7.可视化利器TensorBoard

import tensorflow as tf

# 构造图的结构
# 使用一个线性方程 y = w * x + b
w = tf.Variable(2.0, dtype=tf.float32, name='weight')  # 权重
b = tf.Variable(1.0, dtype=tf.float32, name='bias')  # 偏差
# 占位符，之后添加值
x = tf.placeholder(dtype=tf.float32, name='input')  # 输入
with tf.name_scope('output'):
    y = w * x + b  # 输出

# 定义保存日志的路径
path = './log'

# 一旦定义Variable一定要初始化，不同于constant，定义constant自动初始化
# 创建用于初始化所有Variable的操作，而且init也同样需要run一下。
init = tf.global_variables_initializer()

# 创建session
with tf.Session() as sess:
    sess.run(init)  # 实现初始化变量，必须要run，权重和偏差就真正的被初始化了
    # 用于tensorboard展示，传入日志路径和graph
    writer = tf.summary.FileWriter(path, sess.graph)
    # run，之前的x还没赋值，所以使用feed_dict传值
    result = sess.run(y, feed_dict={x: 3.0})
    print(f'y={result}')  # 打印y = w*x + b的值
    '''
    y=7.0
    '''

　　

执行程序之后，会多出一个log文件夹

用tensorboard打开