一，名稱空間函式

tf.variable_scope 
tf.name_scope 
先以下面的程式碼說明兩者的區別

 # 名稱空間管理函式
'''
說明tf.variable_scope和tf.name_scope的區別
'''
def manage_namespace():
 with tf.variable_scope("foo"):
  # 在名稱空間foo下獲取變數"bar"，於是得到的變數名稱為"foo/bar"。
  a = tf.get_variable("bar",[1]) #獲取變數名稱為“bar”的變數
  print a.name  #輸出:foo/bar:0
 with tf.variable_scope("bar"):
  # 在名稱空間bar下獲取變數"bar"，於是得到的變數名稱為"bar/bar"。
  a = tf.get_variable("bar",[1])
  print a.name  #輸出:bar/bar:0
 with tf.name_scope("a"):
  # 使用tf.Variable函式生成變數會受tf.name_scope影響，於是得到的變數名稱為"a/Variable"。
  a = tf.Variable([1]) #新建變數
  print a.name  #輸出:a/Variable:0

  # 使用tf.get_variable函式生成變數不受tf.name_scope影響，於是變數並不在a這個名稱空間中。
  a = tf.get_variable("b",[1])
  print a.name  #輸出:b:0
 with tf.name_scope("b"):
  # 使用tf.get_variable函式生成變數不受tf.name_scope影響，所以這裡將試圖獲取名稱
  # 為“b”的變數。然而這個變數已經被聲明瞭，於是這裡會報重複宣告的錯誤
  tf.get_variable("b",[1])#提示錯誤

二，TensorBoard計算圖檢視

1 以以下程式碼例項，為指定任何的名稱空間

def practice_num1():
# 練習1: 構建簡單的計算圖
 input1 = tf.constant([1.0,2.0,3.0],name="input1")
 input2 = tf.Variable(tf.random_uniform([3]),name="input2")
 output = tf.add_n([input1,input2],name = "add")

#生成一個寫日誌的writer，並將當前的tensorflow計算圖寫入日誌
 writer = tf.summary.FileWriter(ROOT_DIR + "/log",tf.get_default_graph())
 writer.close()

如何使用TensorBoard的過程不再介紹。檢視未指明名稱空間的運算圖

2 修改程式碼制定名稱空間之後的程式碼

def practice_num1_modify():
 #將輸入定義放入各自的名稱空間中，從而使得tensorboard可以根據名稱空間來整理視覺化效果圖上的節點
 # 練習1: 構建簡單的計算圖
 with tf.name_scope("input1"):
  input1 = tf.constant([1.0,name="input1")
 with tf.name_scope("input2"):
  input2 = tf.Variable(tf.random_uniform([3]),tf.get_default_graph())
 writer.close()

檢視運算圖

上圖只包含命名的兩個名稱空間的節點，我們可以點選名稱“input2”的圖示上的+號，展開該名稱空間

效果：通過名稱空間可以整理視覺化效果圖上的節點，使視覺化的效果更加清晰。

以上這篇TensorFlow名稱空間和TensorBoard圖節點例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。