本例子包括两部分内容：logging的使用和tf的整体流程训练。
经常用print，感觉很方便，但是没有一下输出自己想要输出的内容，所以想到用logging代替print。
首先是logging的配置文件logger.conf，前面有了解过日志系统。
# logging.basicConfig函数各参数:
# filename: 指定日志文件名
# filemode: 和file函数意义相同，指定日志文件的打开模式，'w'或'a'
# format: 指定输出的格式和内容，format可以输出很多有用信息，如上例所示:
# %(levelno)s: 打印日志级别的数值
# %(levelname)s: 打印日志级别名称
# %(pathname)s: 打印当前执行程序的路径，其实就是sys.argv[0]
# %(filename)s: 打印当前执行程序名
# %(funcName)s: 打印日志的当前函数
# %(lineno)d: 打印日志的当前行号
# %(asctime)s: 打印日志的时间
# %(thread)d: 打印线程ID
# %(threadName)s: 打印线程名称
# %(process)d: 打印进程ID
# %(message)s: 打印日志信息
# datefmt: 指定时间格式，同time.strftime()
# level: 设置日志级别，默认为logging.WARNING
# stream: 指定将日志的输出流，可以指定输出到sys.stderr,sys.stdout或者文件，默认输出到sys.stderr，当stream和filename同时指定时，stream被忽略
###############################################
[loggers]
keys=root,example01,example02
[logger_root]
level=DEBUG
handlers=hand01,hand02
[logger_example01]
handlers=hand01,hand02
qualname=example01
propagate=0
[logger_example02]
handlers=hand01,hand03
qualname=example02
propagate=0
###############################################
[handlers]
keys=hand01,hand02,hand03
[handler_hand01]
class=StreamHandler
level=INFO
formatter=form02
args=(sys.stderr,)
[handler_hand02]
class=FileHandler
level=INFO
formatter=form01
args=('Proj.log', 'a')
[handler_hand03]
class=handlers.RotatingFileHandler
level=INFO
formatter=form02
args=('Proj.log', 'a', 10*1024*1024, 5)
###############################################
[formatters]
keys=form01,form02
[formatter_form01]
format=%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s
datefmt=%a, %d %b %Y %H:%M:%S
[formatter_form02]
format=%(name)-12s: %(levelname)-8s %(message)s
datefmt=
import numpy as np
import tensorflow as tf
import logging.config
logging.config.fileConfig("logger.conf")
logger = logging.getLogger("example01")
#create data
x_data=np.random.rand(100)#.astype(np.float32)
logging.info('This is the type of x_data:%s',x_data.dtype)
x_data=x_data.astype(np.float32)
# logging.info('This is the type of x_data:%s',x_data.dtype)
y_data=x_data*0.1+0.3
#create tensorflow structure
Weights =tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases =tf.Variable(tf.zeros([1]))
y=Weights*x_data +biases
loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)
#tensorflow structure end
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
for step in range(201):
sess.run(train)
if step%20==0:
print(step,sess.run(Weights),sess.run(biases))如果还用这个函数的话会报：
FailedPreconditionError (see above for traceback): Attempting to use uninitialized value local/hidden_1/w
[[Node: local/hidden_1/w/read = Identity[T=DT_FLOAT, _class=["loc:@local/hidden_1/w"], _device="/job:worker/replica:0/task:1/cpu:0"](local/hidden_1/w)]]屏幕输出：
0 [ 0.57068026] [ 0.03290105]
20 [ 0.22996345] [ 0.22493491]
40 [ 0.13604316] [ 0.27918199]
60 [ 0.10999594] [ 0.2942265]
80 [ 0.10277221] [ 0.29839882]
100 [ 0.10076882] [ 0.29955596]
120 [ 0.10021321] [ 0.29987687]
140 [ 0.10005914] [ 0.29996586]
160 [ 0.1000164] [ 0.29999053]
180 [ 0.10000455] [ 0.29999739]
200 [ 0.10000127] [ 0.29999927]
来源：oschina
链接：https://my.oschina.net/u/4412457/blog/3216380