深度学习之TensorFlow

TensorFlow在win下能够使用pip安装，pip install TensorFlow 

一般分为GPU版和CPU版，有独立显卡的状况下，推荐使用GPU,GPU在处理数据运算方面更优于CPU，从专业的角度看，使用源码安装能够开启加速。

做为机器学习中更专业的技术，固然还会依赖继续学习中的类库，所以， aconda是必须安装的。

TensorFlow较其余工具备独特的优点，界面可视化的调取。

import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' #指定日志输出等级 a = tf.constant([1,2,3,4,5]) var = tf.Variable(tf.random.normal([2,3],mean=0.0,stddev=1.0)) x = tf.constant(3.0) y = tf.constant(5.0) z = tf.add(x,y) init_op = tf.compat.v1.global_variables_initializer() with tf.compat.v1.Session() as sess: #初始化op
 sess.run(init_op) #将数据写入到指定的文件目录下
    tf.compat.v1.summary.FileWriter('./sum',graph=sess.graph) print(sess.run([z,var]))

开启可视化服务界面：在命令行执行：tensorboard --logdir =" ../sum"  --host="127.0.0.1"

随之即可以在默认指定的6006端口去查看页面。在打开的页面中选择graphs选项卡

容易踩到的坑：

由于 win10 将 localhost 解析为 ipv6地址 [::1]，因此没法使用  http://0.0.0.0:6006 查看 tensorboard

解决办法：直接访问http://localhost:6006/     或者像上面在命令行直接指定服务地址

其次：对数据存放路径的正确指定，不然会报找不到数据。