深度学习之TensorFlow

TensorFlow在win下可以使用pip安装，pip install TensorFlow 

通常分为GPU版和CPU版，有独立显卡的情况下，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，使用源码安装可以开启加速。

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

TensorFlow较其他工具有独特的优势，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"

随之便可以在默认指定的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：

因为 win10 将 localhost 解析为 ipv6地址 [::1]，所以无法使用  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，否则会报找不到数据。