TensorFlow命名空间和TensorBoard图节点实例
一，命名空间函数
tf.variable_scope
tf.name_scope
先以下面的代码说明两者的区别
#命名空间管理函数
'''
说明tf.variable_scope和tf.name_scope的区别
'''
defmanage_namespace():
withtf.variable_scope("foo"):
#在命名空间foo下获取变量"bar"，于是得到的变量名称为"foo/bar"。
a=tf.get_variable("bar",[1])#获取变量名称为“bar”的变量
printa.name#输出:foo/bar:0
withtf.variable_scope("bar"):
#在命名空间bar下获取变量"bar"，于是得到的变量名称为"bar/bar"。
a=tf.get_variable("bar",[1])
printa.name#输出:bar/bar:0
withtf.name_scope("a"):
#使用tf.Variable函数生成变量会受tf.name_scope影响，于是得到的变量名称为"a/Variable"。
a=tf.Variable([1])#新建变量
printa.name#输出:a/Variable:0
#使用tf.get_variable函数生成变量不受tf.name_scope影响，于是变量并不在a这个命名空间中。
a=tf.get_variable("b",[1])
printa.name#输出:b:0
withtf.name_scope("b"):
#使用tf.get_variable函数生成变量不受tf.name_scope影响，所以这里将试图获取名称
#为“b”的变量。然而这个变量已经被声明了，于是这里会报重复声明的错误
tf.get_variable("b",[1])#提示错误
二，TensorBoard计算图查看
1以以下代码实例，为指定任何的命名空间
defpractice_num1(): #练习1:构建简单的计算图 input1=tf.constant([1.0,2.0,3.0],name="input1") input2=tf.Variable(tf.random_uniform([3]),name="input2") output=tf.add_n([input1,input2],name="add") #生成一个写日志的writer，并将当前的tensorflow计算图写入日志 writer=tf.summary.FileWriter(ROOT_DIR+"/log",tf.get_default_graph()) writer.close()
如何使用TensorBoard的过程不再介绍。查看未指明命名空间的运算图
2修改代码制定命名空间之后的代码
defpractice_num1_modify():
#将输入定义放入各自的命名空间中，从而使得tensorboard可以根据命名空间来整理可视化效果图上的节点
#练习1:构建简单的计算图
withtf.name_scope("input1"):
input1=tf.constant([1.0,2.0,3.0],name="input1")
withtf.name_scope("input2"):
input2=tf.Variable(tf.random_uniform([3]),name="input2")
output=tf.add_n([input1,input2],name="add")
#生成一个写日志的writer，并将当前的tensorflow计算图写入日志
writer=tf.summary.FileWriter(ROOT_DIR+"/log",tf.get_default_graph())
writer.close()
查看运算图
上图只包含命名的两个命名空间的节点，我们可以点击名称“input2”的图标上的+号，展开该命名空间
效果：通过命名空间可以整理可视化效果图上的节点，使可视化的效果更加清晰。
以上这篇TensorFlow命名空间和TensorBoard图节点实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。