标签: tensorboard

Tensboard显示了它在给定logdir中找到的所有事件。

如果我多次进行训练（或其他方式），则logdir中将有多个tfevents文件。Tensorboard将在一个看起来很奇怪的图中显示所有合并在一起的变量摘要。

在stdout上，它写如下：

WARNING:tensorflow:Found more than one graph event per run. Overwriting the graph with the newest event.
WARNING:tensorflow:Found more than one "run metadata" event with tag step_0000. Overwriting it with the newest event.

如何使它仅显示最新tfevents文件中的摘要/事件，以便它忽略所有较旧的tfevents文件？

我一直在关注“ Android上的Tensorflow ”的github存储库。

此链接显示所有的初始模型，但不显示inception5h。对于在github tensorflow演示应用程序使用inception5h，如图所示这里

   new_http_archive(
      name = "inception5h",
      build_file = "models.BUILD",
      url = "https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip",
      sha256 = "d13569f6a98159de37e92e9c8ec4dae8f674fbf475f69fe6199b514f756d4364"
    )

请解释

1.为什么是inception5h而不是inceptionV5？

2.为什么以上模型链接中未列出inception5h？

我运行以下代码

 W = tf.Variable(tf.zeros([1, 3]), dtype=tf.float32, name="W")
 B = tf.constant([[1, 2, 3]], dtype=tf.float32, name="B")
 act = tf.add(W, B)
 init = tf.global_variables_initializer()
 with tf.Session() as sess:
     sess.run(init)
     sess.run(act)
     writer = tf.summary.FileWriter("./graphs", sess.graph)
 writer.close()

并用tensorboard验证它:

令我困惑的是read操作和之前的操作,表示为(W).当内部具有所有这些操作节点时,常量B直接指向操作.这是我的问题:Addtf.variable

1. 什么是(W)操作？常数B是一个常数圆,表示一个常数.椭圆形节点表示操作节点.(W)似乎没有任何操作,但它用相同的椭圆形节点表示？该节点的工作是什么？

2. Addnode显式读取(W)带有read操作的节点,而不是常量节点B.为什么read变量节点需要？

我在 jupyter 笔记本上使用 TensorFlow。我使用tensorflow没有问题，但是当我尝试使用“show_graph”函数显示tensorboard时（这里引用了它：Simple way to Visual a TensorFlow graph in Jupyter?），它显示的只是一个空白区域。我的同学运行相同的代码，打开张量板没有问题。

我的系统是Win 10。我是jupyter笔记本和tensorflow的新手，所以我不知道如何进行故障排除。

对于 Keras 模型，我添加了 TensorBoard 回调来生成稍后可视化的日志文件。

问题是，如果我多次训练模型，它会生成多个日志文件，并且步骤号总是重新启动为 0，而不是继续上次运行的最后一步。

这会导致 TensorBoard 中的图表无法利用（下面的屏幕截图）。

使用原始 Tensorflow，我发现可以通过添加“global_step”张量来跟踪运行之间的纪元数来解决这个问题。

但是我如何使用 Keras 来做到这一点？

张量流版本：1.11.0

我正在尝试将 TensorBoard 与 Tensorflow keras 模型结合使用进行投影仪可视化。我收到 AttributeError：图层功能没有入站节点。我不确定为什么在下面的简单代码中会出现此错误。我确实用谷歌搜索了错误，但找不到正确的解决方案来修复它。

from os import makedirs
from os.path import exists, join
import tensorflow as tf
mnist = tf.keras.datasets.mnist

import numpy as np


(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(10, activation=tf.nn.relu, name='features'),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

log_dir = "./logs"
with open(join(log_dir, 'metadata.tsv'), 'w') as f:
    np.savetxt(f, y_test)

from tensorflow.keras.callbacks import TensorBoard

tf_board_callback = TensorBoard(
                            log_dir=log_dir,
                            batch_size=32,
                            embeddings_freq=1, …

我使用以下代码行使用张量板来可视化 ANN 模型的梯度

  tensorboard_callback = tf.compat.v1.keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=1, write_graph = True, write_grads =True, write_images = False)

tensorboard_callback .set_model(model)


%tensorboard --logdir ./Graph

我收到一条警告消息，内容为“警告：tensorflow：回调write_grads将在 TensorFlow 2.0 中被忽略TensorBoard”。

我得到张量板输出，但没有梯度。

可能的原因是什么？

（注：我使用的是2.3.0tensorflow版本）

谢谢。

我尝试在 torch.utils 中使用tensorboard，但它说“模块'torch.utils'没有属性'tensorboard'”。我的火炬版本是“1.6.0+cu101”

PS C:\Users\kelekelekle> python
Python 3.7.6 (tags/v3.7.6:43364a7ae0, Dec 19 2019, 01:54:44) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
1.6.0+cu101
>>> writer = torch.utils.tensorboard.SummaryWriter()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: module 'torch.utils' has no attribute 'tensorboard'
>>>

我在 ImageNet 数据库上运行了 AlexNet 3 个周期，并在绘制梯度/参数时得到了这个结果。-

Params in epoch 2

Epoch 2 params distribution

Grads in epoch 2

Epoch 2 grads distribution

Parameters over epochs

Distribution of params over epochs

Params in epoch 2

我有以下问题 -

1. 这些图表的含义是什么以及如何阅读它们？
2. 我们是否可以推断模型是否使用这些图在 epoch2 或整个运行过程中学到了任何东西？如果是这样怎么办？
3. 我们可以使用这些图来调试梯度消失/爆炸吗？（如果您能分享一些这方面的例子，那就太好了。）
4. 最后，让我为此伤脑筋还有用吗？

提前致谢！

我正在尝试从 git 存储库安装 VIBE 包，并且最初我正在安装它的依赖项。代码位于此处： https: //github.com/mkocabas/VIBE我应该如何解决这个问题？

这是我得到的错误：

(vibe-env) mona@mona:~/research/VIBE$ pip install -r requirements.txt\nRequirement already satisfied: numpy==1.17.5 in /home/mona/anaconda3/envs/vibe-env/lib/python3.7/site-packages (from -r requirements.txt (line 4)) (1.17.5)\nRequirement already satisfied: torchvision==0.5.0 in /home/mona/anaconda3/envs/vibe-env/lib/python3.7/site-packages (from -r requirements.txt (line 19)) (0.5.0)\nCollecting git+https://github.com/mattloper/chumpy.git (from -r requirements.txt (line 24))\n  Cloning https://github.com/mattloper/chumpy.git to /tmp/pip-req-build-vdh2h3jw\nCollecting git+https://github.com/mkocabas/yolov3-pytorch.git (from -r requirements.txt (line 25))\n  Cloning https://github.com/mkocabas/yolov3-pytorch.git to /tmp/pip-req-build-ay_gkil2\nCollecting git+https://github.com/mkocabas/multi-person-tracker.git (from -r requirements.txt (line 26))\n  Cloning https://github.com/mkocabas/multi-person-tracker.git to /tmp/pip-req-build-l9jgk1qb\nRequirement already satisfied: six>=1.11.0 in /home/mona/anaconda3/envs/vibe-env/lib/python3.7/site-packages (from chumpy==0.70->-r requirements.txt (line 24)) (1.15.0)\nCollecting …