tensorflow之深度学习---第二天

总之一些op操作写在会话之前，之后在会话中进行开启并运行结果。因为会话掌握了变量的开启与释放，掌握着变量资源。

可视化学习

只有进行初始化操作之后，此时变量中var才真正有值了。















默认对于张量a，b在程序中没有用时，图中不显示。若定义的是变量即使不用也显示。

以下更新代码后会生成一个新的图结构。

注意：所有的op都有name名称

线性回归的原理复习以及实现

_trainable,学习率的调整，梯度爆炸

学习率影响从山顶到山底的速度。一般都是小于1的数，0.1，0.01都可以。








作用域使得代码更清晰，使得代码看起来更清爽。

增加损失值等变量显示

模型的保存与加载

如果在训练3万次后，服务器当机了，如果已经经过2天训练，那说明权重已经更新很多了，下次开始又从开始随机值重新开始了。所以可以让他在每100步保存一个weight值，每200步保存weight值，此时如果当机了，此时值已经在文件中了，下次再训练就可以从已经训练到30000步的这个权重和偏置开始训练了，节省时间了。
模型保存与加载实际保存的是变量，因为参数大多数是以变量去定义的。

假如训练60000次，每训练100步保存一个新的权重参数文件，即有600个文件，你只想要最近的几个文件中的权重与偏置值。


因为会话掌握了很多资源，这些变量的资源就是它掌握的，变量的值也是他开启并回收的。所以保存中是sess；

自定义命令行参数

可以在tensorflow运行中哪些参数可以进行修改。





代码设置好之后就可以在命令行中输入参数并运行了。