tensorboard网络结构

一、tensorboard网络结构

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

#载入数据集
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)

#每个批次的大小
batch_size = 100
#计算一共有多少个批次
n_batch = mnist.train.num_examples // batch_size

#命名空间
with tf.name_scope('input'):
　　#定义两个placeholder
　　x = tf.placeholder(tf.float32,[None,784],name='x-input')
　　y = tf.placeholder(tf.float32,[None,10],name='y-input')

with tf.name_scope('layer'):
　　#创建一个简单的神经网络
　　with tf.name_scope('wights'):
　　　　W = tf.Variable(tf.zeros([784,10]),name='W')
　　with tf.name_scope('biases'):
　　　　b = tf.Variable(tf.zeros([10]),name='b')
　　with tf.name_scope('wx_plus_b'):
　　　　wx_plus_b = tf.matmul(x,W) + b
　　with tf.name_scope('softmax'):
　　　　prediction = tf.nn.softmax(wx_plus_b)

#二次代价函数
# loss = tf.reduce_mean(tf.square(y-prediction))
with tf.name_scope('loss'):
　　loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=prediction))
with tf.name_scope('train'):
　　#使用梯度下降法
　　train_step = tf.train.GradientDescentOptimizer(0.2).minimize(loss)

#初始化变量
init = tf.global_variables_initializer()

with tf.name_scope('accuracy'):
　　with tf.name_scope('correct_prediction'):
　　　　#结果存放在一个布尔型列表中
　　　　correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(prediction,1))#argmax返回一维张量中最大的值所在的位置
　　with tf.name_scope('accuracy'):
　　　　#求准确率
　　　　accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

with tf.Session() as sess:
　　sess.run(init)
　　writer = tf.summary.FileWriter('logs/',sess.graph)
　　for epoch in range(1):
　　　　for batch in range(n_batch):
　　　　　　batch_xs,batch_ys = mnist.train.next_batch(batch_size)
　　　　　　sess.run(train_step,feed_dict={x:batch_xs,y:batch_ys})

　　　　acc = sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels})
　　　　print("Iter " + str(epoch) + ",Testing Accuracy " + str(acc))