Consiguiendo una simple ttwig en Tensorboard

Estoy tratando de hacer una simple ttwig en el tensorboard, tal como lo tienen en la página de inicio, algo como esto:

introduzca la descripción de la imagen aquí Para entender cómo funciona esto, he escrito lo siguiente:

import tensorflow as tf import numpy as np x = tf.placeholder('float',name='X') y= tf.placeholder('float',name='y') addition = tf.add(x,y) with tf.Session() as sess: for i in range(100): var1= np.random.rand() var2= np.random.rand() print(var1,var2) tf.summary.scalar('addition',sess.run(addition, feed_dict={x:var1,y:var2})) writer = tf.summary.FileWriter('Graphs',sess.graph) 

Mientras puedo ver el gráfico, no puedo ver ningún valor escalar. ¿Puede alguien explicarme lo que estoy haciendo mal aquí? PD: He ejecutado todos los ejemplos oficiales y todos están funcionando, pero necesito entender este ejemplo para poder trabajar con él. Gracias por cualquier ayuda !

Actualizar

Después de ejecutar el código @ dv3, el progtwig falla. y esto es lo que obtengo:

 InvalidArgumentError: You must feed a value for placeholder tensor 'input/x-input' with dtype float [[Node: input/x-input = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]] During handling of the above exception, another exception occurred: InvalidArgumentError Traceback (most recent call last)  in () 14 var2= np.random.rand() 15 print(var1,var2) ---> 16 add, s_ = sess.run([addition, summary_op], feed_dict={x:var1,y:var2}) 17 writer.add_summary(s_, i) 

Así que desde el principio, quiero sugerir leer esto . Va un poco más en detalle lo que es una sesión.

En cuanto al código y por qué no produce resultados: no estás inicializando las variables. Puede hacer esto con: sess.run(tf.global_variables_initializer()) . Entonces tu código sería:

 import tensorflow as tf import numpy as np x = tf.placeholder('float',name='X') y= tf.placeholder('float',name='y') addition = tf.add(x,y) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for i in range(100): var1= np.random.rand() var2= np.random.rand() print(var1,var2) tf.summary.scalar('addition',sess.run(addition, feed_dict={x:var1,y:var2})) writer = tf.summary.FileWriter('Graphs',sess.graph) 

No incrustaría sess.run en la llamada de resumen.scalar, pero para este sencillo ejemplo, obtendrá algunos resultados.

Edición: probado y esto está funcionando realmente:

 import tensorflow as tf import numpy as np x = tf.placeholder('float',name='X') y= tf.placeholder('float',name='y') addition = tf.add(x,y, name='add') tf.summary.scalar('addition', addition) summary_op = tf.summary.merge_all() with tf.Session() as sess: sess.run(tf.global_variables_initializer()) writer = tf.summary.FileWriter('Graphs',sess.graph) for i in range(100): var1= np.random.rand() var2= np.random.rand() print(var1,var2) add, s_ = sess.run([addition, summary_op], feed_dict={x:var1,y:var2}) writer.add_summary(s_, i) 

salida: introduzca la descripción de la imagen aquí