如何解释张量流中的张量板图？

Question

我想了解张量板如何可视化图形。为此，我使用简单的线性回归。这是我的代码：

# LINEAR REGRESSION IN TENSORFLOW

# generate points
import numpy as np 
import os
import time
import tensorflow as tf

num_points = 1000
vectors_set = []
for i in xrange(num_points):
    x1 = np.random.normal(0.0, 0.55)
    y1 = x1 * 0.1 + 0.3 + np.random.normal(0.0, 0.03)
    vectors_set.append([x1, y1])

with tf.name_scope('data') as scope:
    x_data = [v[0] for v in vectors_set]
    y_data = [v[1] for v in vectors_set]

# Cost function and gradient descent algorithm
with tf.name_scope('model') as scope:
    W = tf.Variable(tf.random_uniform([1], -1, 1), name = "W")
    b = tf.Variable(tf.zeros([1]), name = "b")
    z = tf.add(W * x_data, b, name = "z")

with tf.name_scope('loss') as scope:
    loss = tf.reduce_mean(tf.square(z - y_data))

optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# Running the algorithm
init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

timestamp = str(int(time.time()))
print timestamp
train_summary_writer = tf.train.SummaryWriter(
      os.path.join(
          "./", "summaries", timestamp), sess.graph)
train_summary_writer.add_graph(sess.graph)

这是张量板可视化：

我的问题是：

我没有在图表中定义梯度。默认自带tensorboard吗？
为什么有8个张量从损失到梯度？为什么从模型到梯度有 5 个张量？
我没有定义变量y。 tensorboard 是否自动将 y 分配给常量？我该如何更改它？
为什么我的图表不显示操作之间的箭头？

非常感谢！

Answer 1

创建 tf.train.GradientDescentOptimizer
您的代码指定 GradientDescentOptimizer 应最小化损失，这意味着它取决于损失。此外，为了最大限度地减少损失，它需要更新模型中的权重。
我不确定；你能上传图形定义吗？（您可以从会话中获取图形定义。）
我们在添加张量形状时禁用了箭头，但是很多人要求它们，所以我们会把它放回去。

顺便说一句，现在您正在将数据内联到模型中，这不是一个好的模式。在块中：

with tf.name_scope('data') as scope:
  x_data = [v[0] for v in vectors_set]
  y_data = [v[1] for v in vectors_set]

name_scope 没有做任何事情，因为您没有在那里创建任何 tensorflow 操作，只是声明 Python 列表。相反，您应该考虑使用占位符。

如何解释张量流中的张量板图？

How to interpret tensorboard graph in tensorflow?

tensorflow

tensorboard