TensorFlow中的Tensorboard该怎么理解
TensorFlow中的Tensorboard该怎么理解，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
01
-
Tensor是什么？
Tensor是一个 n 维数组：
0-d tensor: scalar （标量）
1-d tensor: vector （向量）
2-d tensor: matrix（矩阵）
等等
02
-
数据流图
以上就是数据流图。
下面从最简单的图开始：
import tensorflow as tf
a = tf.add(3, 5)
通过TensorBoard进行可视化：
为什么是 x, y ?
TF 自动地命名节点，当我们没有显示地指定节点名称时，
x = 3
y = 5
接下来，我们打印 a，看看发生什么：
print (a)
Tensor("Add:0", shape=(), dtype=int32)
图graph只是定义了操作operations , 如何得到a的值？
03
-
执行环境：Session
创建一个Session，并在这个Session中执行上面的图，抓取到 a 的值。
创建sess，并在当前的sess中执行图：
with tf.Session() as sess:
print(sess.run(a))
Session对象，封装了TF的执行环境。大家如果开发过多线程，分布式软件的话，对于Session的理解可能更容易些，Session尤其对于高并发环境，并行计算显得更重要。
记住
图graph只是定义了操作operations，但是操作operations只能在session里面执行，但是graph和session是独立创建的。
04
-
Tensorboard入门
以windows下的使用Tensorboard为例，如果在Linux系统下，请在个别地方做出修改。
首先，必须在终端启动tensorboard，如果采用anaconda安装地话，在目录Anaconda3\Scripts下有个启动项: tensorboard.exe，这就是tensorboard的服务端。在cmd窗口，cd 到这个目录。
然后，编写tensorboard，代码：
import tensorflow as tf
with tf.name_scope('input1'):
input1 = tf.constant(3.0,name='input1')
with tf.name_scope('input2'):
input2 = tf.constant(5.0,name='input2')
output = tf.add(input1,input2,name='add')
with tf.Session() as sess:
output = sess.run(output)
graph = tf.get_default_graph()
#将日志文件写入到目录../log/下
writer = tf.summary.FileWriter('log',graph)
writer.close()
这样在log文件夹下，增加了一个event文件，
再在终端，输入 tensorboard.exe --logdir = 刚在生成的log文件夹的绝对路径，回车，这样服务端就启动了，
接下来，启动客户端，即浏览器，输入localhost:6006，端口是6006，选中graphs，得到如下的可视化图：
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注行业资讯频道，感谢您对的支持。
