Tensorflow 1.0:老司機立下的Flag

老司機怎么能不會立FLAG呢·

  • 如何利用FLAG設置參數(shù)(包括超參數(shù)和一些路徑設置),詳細語法介紹見代碼注釋
  • 利用name_scope管理變量
    ** 1. 方便查看tensorboard泛范,比上一講的清晰多啦
    **
    ** 2.方便娄周。。
    **
# -*- coding: utf-8 -*-
"""
Created on Mon Apr  3 19:15:24 2017

@author: Jhy_BUPT
README:

REF:

"""
import tensorflow as tf
# 載入數(shù)據(jù)
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("C:\\tmp\\data", one_hot=True)

# 老司機立下FLAGS
FLAGS = tf.app.flags.FLAGS
# 根據(jù)參數(shù)類型不同,可以定義字符串DEFINE_string,可以定義整數(shù)DEFINE_integer
#DEFINE_integer('參數(shù)名稱',  參數(shù)值, '參數(shù)的解釋')
tf.app.flags.DEFINE_integer('batch_size', 100, 'batch size')
tf.app.flags.DEFINE_float('learning_rate', 0.1, 'l;earning rate')
tf.app.flags.DEFINE_integer('epoch', 1000, 'how many epoch tf will run')
tf.app.flags.DEFINE_string('ckp_dir', 'C:\\tmp\\d44', 'where to save tensorboard')

with tf.name_scope('input'):
    x = tf.placeholder(tf.float32, [None, 784], name='x_input')
    y_ = tf.placeholder(tf.float32, [None, 10], name='y_input')

with tf.name_scope('nn'):
    with tf.name_scope('weight'):
        W = tf.Variable(tf.zeros([784, 10]))
    with tf.name_scope('bias'):
        b = tf.Variable(tf.zeros([10]))
    y = tf.nn.softmax(tf.matmul(x, W) + b)

with tf.name_scope('loss'):
    cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))

with tf.name_scope('trian'):
    train_step = tf.train.GradientDescentOptimizer(FLAGS.learning_rate).minimize(cross_entropy)

# 開啟會話
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()

for _ in range(FLAGS.epoch):
    batch_xs, batch_ys = mnist.train.next_batch(FLAGS.batch_size)
    fd = {x: batch_xs, y_: batch_ys}
    sess.run(train_step, feed_dict=fd)
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
fd2 = {x: mnist.test.images, y_: mnist.test.labels}
print(sess.run(accuracy, feed_dict=fd2))

merged = tf.summary.merge_all()
train_writer = tf.summary.FileWriter(FLAGS.ckp_dir, sess.graph)

tensorboard 變量展示狸窘,還可打開哦 開箱有驚喜

Paste_Image.png
Paste_Image.png
最后編輯于
?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末钟些,一起剝皮案震驚了整個濱河市烟号,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌政恍,老刑警劉巖汪拥,帶你破解...
    沈念sama閱讀 217,277評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異篙耗,居然都是意外死亡迫筑,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評論 3 393
  • 文/潘曉璐 我一進店門宗弯,熙熙樓的掌柜王于貴愁眉苦臉地迎上來脯燃,“玉大人,你說我怎么就攤上這事蒙保≡铮” “怎么了?”我有些...
    開封第一講書人閱讀 163,624評論 0 353
  • 文/不壞的土叔 我叫張陵邓厕,是天一觀的道長逝嚎。 經(jīng)常有香客問我,道長详恼,這世上最難降的妖魔是什么懈糯? 我笑而不...
    開封第一講書人閱讀 58,356評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮单雾,結果婚禮上,老公的妹妹穿的比我還像新娘她紫。我一直安慰自己硅堆,他們只是感情好,可當我...
    茶點故事閱讀 67,402評論 6 392
  • 文/花漫 我一把揭開白布贿讹。 她就那樣靜靜地躺著渐逃,像睡著了一般。 火紅的嫁衣襯著肌膚如雪民褂。 梳的紋絲不亂的頭發(fā)上茄菊,一...
    開封第一講書人閱讀 51,292評論 1 301
  • 那天,我揣著相機與錄音赊堪,去河邊找鬼面殖。 笑死,一個胖子當著我的面吹牛哭廉,可吹牛的內(nèi)容都是我干的脊僚。 我是一名探鬼主播,決...
    沈念sama閱讀 40,135評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼遵绰,長吁一口氣:“原來是場噩夢啊……” “哼辽幌!你這毒婦竟也來了增淹?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 38,992評論 0 275
  • 序言:老撾萬榮一對情侶失蹤乌企,失蹤者是張志新(化名)和其女友劉穎虑润,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體加酵,經(jīng)...
    沈念sama閱讀 45,429評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡拳喻,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,636評論 3 334
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了虽画。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片舞蔽。...
    茶點故事閱讀 39,785評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖码撰,靈堂內(nèi)的尸體忽然破棺而出渗柿,到底是詐尸還是另有隱情,我是刑警寧澤脖岛,帶...
    沈念sama閱讀 35,492評論 5 345
  • 正文 年R本政府宣布朵栖,位于F島的核電站,受9級特大地震影響柴梆,放射性物質發(fā)生泄漏陨溅。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,092評論 3 328
  • 文/蒙蒙 一绍在、第九天 我趴在偏房一處隱蔽的房頂上張望门扇。 院中可真熱鬧,春花似錦偿渡、人聲如沸臼寄。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽吉拳。三九已至,卻和暖如春适揉,著一層夾襖步出監(jiān)牢的瞬間留攒,已是汗流浹背撕阎。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評論 1 269
  • 我被黑心中介騙來泰國打工白魂, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人灯抛。 一個月前我還...
    沈念sama閱讀 47,891評論 2 370
  • 正文 我出身青樓剪侮,卻偏偏與公主長得像汤善,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,713評論 2 354

推薦閱讀更多精彩內(nèi)容