merge = tf.summary.merge_all()#归并图表2 writer = tf.summary.FileWriter("G:/test/",graph=sess.graph)#写进文件3 result = sess.run(merge,feed_dict={xs:x_data,ys:y_data})#运行打包的图表merge4 writer.add_summary(result,i)#写入文件，并且单步长50　 

C.初始化与运行设定的图表

完全代码及显示效不雅：

import tensorflow as tf 
import numpy as np 
import matplotlib.pyplot as plt 
 
def add_layer(inputs , in_size , out_size , n_layer = 1 , activate = None): 
    layer_name = "layer" + str(n_layer) 
    with tf.name_scope(layer_name): 
        with tf.name_scope("Weights"): 
            Weights = tf.Variable(tf.random_normal([in_size,out_size]),name="W")#随机初始化 
            tf.summary.histogram(layer_name+"Weight",Weights) 
        with tf.name_scope("Baises"): 
            baises  = tf.Variable(tf.zeros([1,out_size])+0.1,name="B")#可以随机然则不要初始化为0，都为固定值比随机好点 
            tf.summary.histogram(layer_name+"Baises",baises) 
        y = tf.matmul(inputs, Weights) + baises #matmul:矩阵乘法，multipy:一般是数量的乘法 
        if activate: 
            y = activate(y) 
        tf.summary.histogram(layer_name+"y_sum",y) 
        return y 
if __name__ == '__main__': 
    x_data = np.linspace(-1,1,300,dtype=np.float32)[:,np.newaxis]#创建-1,1的300个数，此时为一维矩阵，后面转化为二维矩阵===[1,2,3]-->>[[1,2,3]] 
    noise = np.random.normal(0,0.05,x_data.shape).astype(np.float32)#噪声是(1,300)格局,0-0.05大年夜小 
    y_data = np.square(x_data) - 0.5 + noise #带有噪声的抛物线 
    fig = plt.figure('show_data')# figure("data")指定图表名称 	
			
 5/6   首页 上一页 3 4 5 6 下一页 尾页
	
			

　　推荐阅读
　　教你禁用Windows 10中的各种小广告
比拟之前的Win7/Win8，Win10的告白可谓无孔不入。开端菜单、应用列表、锁屏页面、通知中间……，所有你能想到的处所，几乎都能看到各类告白。
            全平易近充电节 | 3月26日~30日 2000位IT行业拭>>>详细阅读


本文标题：TensorFlow学习之神经网络的构建
地址：http://www.17bianji.com/lsqh/40823.html
 1/2    1