标签: tensorboard

我正在做mnist教程,并且当我尝试打开TensorBoard时,fully_connected_feed.py工作并将events.out.tfevents.1447186888文件保存到〜..\data\

python ~/tensorflow/tensorflow/tensorboard/tensorboard.py --logdir=~/tensorflow/tensorflow/g3doc/tutorials/mnist/data 

或者像这样

tensorboard --logdir=~/tensorflow/tensorflow/g3doc/tutorials/mnist/data

它打开,但后来我看到"没有找到标量摘要标签."

我想实现类似的东西scalar_summary,但不能用于Op需要的东西Variable.如果我打电话

for i in 10000:
    value = 0.2 * i
    myfun(tag, value, i)

在tensorboard事件中,我希望它生成一个名为tag的图,其中有一行.

我怎样才能做到这一点？

我需要知道如何在TensorBoard(TensorFlow)图形上添加图例和标签轴.请帮忙,谢谢!

一旦我用命令启动了tensorboard服务器

tensorboard --logdir=path/to/logdir

是否有一个明确关闭它的命令,或者我可以毫无伤害地杀死它？

谢谢

我在ssh服务器上远程运行tensorflow代码.(例如,ssh -X account@server.address)

它说,在远程服务器上You can navigate to http://0.0.0.0:6006.

在这种情况下,我该如何检查张量板？如何浏览远程计算机的地址？我试图搜索,但似乎没有有用的信息.

在这个最小的示例中,Tensorboard在执行期间不显示我的摘要,除非我使用writer.flush():

from time import sleep
import tensorflow as tf
import numpy as np


x = tf.placeholder("float", [None, 2])

mean = tf.reduce_mean(x)
tf.scalar_summary("mean", mean)

init = tf.initialize_all_variables()

merged = tf.merge_all_summaries()

with tf.Session() as sess:
    sess.run(init)

    summary_writer = tf.train.SummaryWriter('/var/tmp/tf_log', graph=sess.graph)

    x_iter = np.random.rand(2,2)
    for ind in range(30):
        merged_summary = sess.run(merged, feed_dict={x: x_iter})
        summary_writer.add_summary(merged_summary, ind)
        summary_writer.flush()

        x_iter += 1.0
        sleep(1)

运行完成后,标量显示正常.
该mnist_with_summaries示例在执行期间显示摘要就好了.
我什么时候需要使用flush()？这是由于缓冲区没有填充？

我通过docker工具箱在windows上安装了tensorflow.一切顺利,但我不能使用张量板.命令行显示在端口6006上的"Starting Tensorboard 29".您可以导航到http:// localhost:6006 / '.但是,当我在webbrowser上打开此地址时,它无法连接到它.有谁知道如何解决这个问题？

当我激活图像摘要训练模型多天时,我的.tfevent文件很大(> 70GiB).

我不想停用图像摘要,因为它允许我在训练期间可视化网络的进度.然而,一旦网络被训练,我不再需要这些信息(事实上,我甚至不确定是否可以使用张量板可视化以前的图像).

我希望能够从事件文件中删除它们,而不会丢失其他信息,如损失曲线(因为将模型比较在一起很有用).

解决方案是使用两个单独的摘要(一个用于图像,一个用于丢失),但我想知道是否有更好的方法.

我正在使用Tensorflow的对象检测框架.培训和评估工作进展顺利,但在张量板中,我只能看到10张图像用于评估工作.有没有办法增加这个数字来查看更多图像？我尝试更改配置文件:

eval_config: {
  num_examples: 1000
  max_evals: 50
}

eval_input_reader: {
  tf_record_input_reader {
    input_path: "xxx/eval.record"
  }
  label_map_path: "xxx/label_map.pbtxt"
  shuffle: false
  num_readers: 1
}

我认为max_eval参数会改变这一点,但事实并非如此.

这是我正在为评估工作运行的命令:

python ../models/research/object_detection/eval.py \
    --logtostderr \
    --pipeline_config_path=xxx/ssd.config \
    --checkpoint_dir="xxx/train/" \
    --eval_dir="xxx/eval"

我已升级到Tensorflow 2.0，没有tf.summary.FileWriter("tf_graphs", sess.graph)。我正在研究有关此问题的其他StackOverflow问题，他们说可以使用tf.compat.v1.summary etc。当然，必须有一种在Tensorflow版本2中绘制和可视化tf.keras模型的方法。这是什么？我正在寻找以下张量板输出。谢谢！