- 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
推荐阅读
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