标签: tensorboard

在 pytorch Lightning 中创建新的张量板记录器时，默认记录的两件事是当前纪元和 hp_metric。我能够通过设置禁用 hp_metric 日志记录default_hp_metric=False，但我找不到任何可以禁用纪元日志记录的内容。我在 Lightning.py、trainer.py 和 tensorboard.py 文件中进行了搜索，其中包含模块、训练器和张量板记录器的代码，但在任何地方都找不到 epoch 的日志记录调用。

即使采用 pytorch Lightning 教程中的准系统示例，也会发生这种行为。

有没有办法禁用纪元记录以防止张量板界面混乱？

我正在训练模型并保存它，现在我尝试加载但无法执行。我也在之前的帖子中看到过，但是一些参考链接不起作用，或者我尝试了一些方法，仍然无法解决问题。

代码片段：

#load model

with tf.io.gfile.GFile(args.model, "rb") as f:
    graph_def = tf.compat.v1.GraphDef()
    graph_def.ParseFromString(f.read())

# with tf.Graph().as_default() as graph:
generated_image_1, generated_image_2, generated_image_3, = tf.graph_util.import_graph_def(
        graph_def, 
        input_map={'input_image' : input_tensor, 'short_edge_1' : short_edge_1, 'short_edge_2' : short_edge_2, 'short_edge_3' : short_edge_3}, 
        return_elements=['style_subnet/conv-block/resize_conv_1/output:0', 'enhance_subnet/resize_conv_1/output:0', 'refine_subnet/resize_conv_1/output:0'],  
        producer_op_list=None
    )

错误

Traceback (most recent call last):

  File "stylize.py", line 97, in <module>
    main()
  File "stylize.py", line 57, in main
    graph_def.ParseFromString(f.read())
google.protobuf.message.DecodeError: Error parsing message with type 'tensorflow.GraphDef'

注意：如果需要更多相关信息，请务必在此处添加。让我知道

我开始在RHEL 6.5盒子上安装Tensorflow.但事实证明,Tensorflow需要glibc> = 2.17并且rhel 6.5上的默认glibc是2.12.

我想知道是否有人可以帮助我使用tensorflow的最小/推荐系统规格？

我目前正在使用张量流,我想要想象我正在编写的卷积神经网络的效果.但是,我不能使用张量板.我看到我的conda env下面的张量板为envs/tensorenv/bin/tensorboard(python文件).它导入了一个名为tensorflow.tensorboard.tensorboard的东西,它无法找到.

(tensorenv)wifi-131-179-39-186:TensorflowTutorial hongshuhong$ tensorboard --logdir=log/
Traceback (most recent call last):
  File "/Users/hongshuhong/anaconda/envs/tensorenv/bin/tensorboard", line 4, in <module>
    import tensorflow.tensorboard.tensorboard
ImportError: No module named 'tensorflow.tensorboard.tensorboard'

• 我试着寻找tensorflow.tensorboard.tensorboard,但我在目录中的任何地方都没有看到它.
• 我在anaconda下使用Mac OSX的tensorflow发行版,使用python 3.5.1并使用anaconda的软件包.
• 我正在使用ipython notebook作为convnet的代码.

任何帮助,将不胜感激.如果需要额外的信息,请告诉我,谢谢.

我在tensorflow上使用tflearn包装器来构建模型，并想将元数据（标签）添加到结果嵌入可视化中。运行后，有没有办法将metadata.tsv文件链接到保存的检查点？

我已经在检查点摘要的日志目录中创建了projection_config.pbtxt文件，并且metas.tsv位于同一文件夹中。配置看起来像这样：

embeddings {
  tensor_name: "Embedding/W"
  metadata_path: "C:/tmp/tflearn_logs/shallow_lstm/"
}

并使用文档中的代码创建-https: //www.tensorflow.org/how_tos/embedding_viz/

我已经注释掉了tf.Session部分，希望创建元数据链接而无需直接在Session对象中这样做，但是我不确定是否可行。

from tensorflow.contrib.tensorboard.plugins import projector
#with tf.Session() as sess:
config = projector.ProjectorConfig()
# One can add multiple embeddings.
embedding = config.embeddings.add()
embedding.tensor_name = 'Embedding/W'
# Link this tensor to its metadata file (e.g. labels).
embedding.metadata_path = 'C:/tmp/tflearn_logs/shallow_lstm/'
# Saves a config file that TensorBoard will read during startup.
projector.visualize_embeddings(tf.summary.FileWriter('/tmp/tflearn_logs/shallow_lstm/'), config)

以下是当前嵌入可视化的快照。注意空的元数据。有没有一种方法可以将所需的图元文件直接附加到此嵌入？

我使用TensorFlow r1.0和GPU Nvidia Titan X训练一个类似Inception的模型.

我添加了一些摘要操作来可视化训练过程,使用如下代码:

def variable_summaries(var):
"""Attach a lot of summaries to a Tensor (for TensorBoard visualization)."""
    with tf.name_scope('summaries'):
        mean = tf.reduce_mean(var)
        tf.summary.scalar('mean', mean)
        with tf.name_scope('stddev'):
            stddev = tf.sqrt(tf.reduce_mean(tf.square(var - mean)))
        tf.summary.scalar('stddev', stddev)
        tf.summary.scalar('max', tf.reduce_max(var))
        tf.summary.scalar('min', tf.reduce_min(var))
        tf.summary.histogram('histogram', var)

当我运行这些操作时,训练一个纪元的时间成本约为400秒.但是当我关闭这些操作时,训练一个纪元的时间成本仅为90秒.

如何优化图表以最小化汇总操作时间成本？

如果我有多个Tensorboard文件，如何将它们组合成一个Tensorboard文件？

在keras中说，model.fit()对于一个模型，例如在典型的GAN实现中，以下多次被调用：

for i in range(num_epochs):
    model.fit(epochs=1, callbacks=Tensorboard())

每次都会产生一个新的Tensorboard文件，这是没有用的。不知道是否有方法可以附加Tensorboard，或者是否在每个回调调用中都不生成带有时间戳的唯一文件。

我的目标：在张量板上添加任意文本。

我的代码：

text = "muh teeeext"
summary = tf.summary.text("Muh taaaag", tf.convert_to_tensor(text))
writer.add_summary(summary)

我的错误：

  File xxx, line xxx, in xxx
    writer.add_summary(summary)
  File "/home/xxx/.local/lib/python3.5/site-packages/tensorflow/python/summary/writer/writer.py", line 123, in add_summary
    for value in summary.value:
AttributeError: 'Tensor' object has no attribute 'value'

在使用Google Colaboratory训练网络时，我想使用visdom。