如何解释张量流中的张量板图？

Question

我试图理解张量板如何使图形可视化。为此目的，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：

1. 我没有在图表中定义渐变。它是否默认配有张量板？
2. 为什么有8个张量从丢失到渐变？为什么从模型到梯度的5个张量？
3. 我没有定义变量y。 tensorboard会自动将y分配给常量吗？我怎样才能改变它？
4. 为什么我的图表不显示操作之间的箭头？

非常感谢！

Answer 1

1. 当您创建tf.train.GradientDescentOptimizer

时，渐变会自动添加到图表中

2. 您的代码指定GradientDescentOptimizer应尽量减少损失，这意味着它取决于丢失。此外，为了最大限度地减少损失，需要更新模型中的权重。

3. 我不确定;你可以上传图表定义吗？ （您可以从会话中获取图表def。）

4. 当我们添加张量形状时，我们已禁用箭头，但很多人都要求它们，所以我们会把它放回去。

顺便说一句，现在你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，因为你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。