Python教程网
--左手Python,右手AI!

深度学习入门笔记3——感知器模型和 tensorboard 的使用方法

本系列将分为 8 篇 。今天是第三篇 。主要讲讲感知器模型和 tensorboard 的基本使用方法 。

1. 感知器模型

因为小詹之前写过一篇感知器模型的介绍 ,这里就不赘述了 。有需要巩固的点击如下链接跳转即可 :

深度学习神经网络之——感知器及其Python实现

2. tensorboard

TensorBoard 是 TensorFlow 自带的可视化结构管理和调试优化网络的工具 。在我们学习深度学习网络框架时 ,我们需要更直观的看到各层网络结构和参数 ,也可以更好的进行调试优化网络 。TensorBoard 可以实现网络结构的显示 ,也可以进行显示训练及测试过程中各层参数的变化情况 。

TensorBoard 界面如下 :

我们可以看到顶部有几个功能分类 :SCALARS 、GRAPHS 、HISTOGRAM 等 。

  1. SCALARS 是训练参数统计显示 ,可以看到整个训练过程中 ,各个参数的变换情况 。
  2. HISTOGRAM 是训练过程参数分布情况显示 。
  3. GRAPHS 是网络结构显示 。

TensorBoard 基本操作介绍如下 :

下面用一个最简单的例子来实现基础启动 。定义了两个常量相加的操作 ,运行后会在 log_test 文件夹中出现目标文件 。

之后我们需要在命令窗口启动 tensorboard 。方法在上边基础语法介绍中提及 。这里就小詹自己代码存放位置 ,可在命令窗口执行如下命令 ,得到一个网址(下图标出的部分),并在浏览器中打卡即可 。

在浏览器中打开该网址即可得到上述实例程序的 graph 信息 。

举例比较简单 ,但是并不说明 TensorBoard 不重要 。事实上 ,基于 TensorBoard ,我们可以直观的看到各层网络结构和参数,也可以更好的进行调试优化网络。

欢迎您的转发和点赞,以及欢迎扫码关注~

赞(6)
未经允许不得转载:Python教程网 » 深度学习入门笔记3——感知器模型和 tensorboard 的使用方法
分享到: 更多 (0)

评论 抢沙发