我正在阅读一本关于 Tensorflow 的书，我找到了这段代码：
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import tensorflow as tf
const1 = tf.constant(2)
const2 = tf.constant(3)
add_opp = tf.add(const1,const2)
mul_opp = tf.mul(add_opp, const2)
with tf.Session() as sess:
result, result2 = sess.run([mul_opp,add_opp])
print(result)
print(result2)
tf.train.SummaryWriter('./',sess.graph)
所以它非常简单，没什么特别的，它应该产生一些可以用张量板可视化的输出。
所以我运行脚本，它打印结果，但显然 SummaryWriter 没有产生任何结果。
我跑tensorboard -logdir='./'，当然没有图表。我可能做错了什么？
还有你如何终止张量板？我试过 ctrl-C 和 ctrl-Z 但它不起作用。（我也使用日文键盘，所以没有反斜杠以防万一）
当我运行以下 Tensorflow 代码时，我收到一个 RuntimeError，显示“尝试使用关闭的会话”。有人能告诉我如何解决这个错误吗？这是代码：
# coding=utf-8
# (...imports omitted...)
# (...some constant declarations and helper functions omitted:
# max_steps, batch_size, log_dir, variable_with_weight_loss, variable_summaries,
# layer1, full_layer1, full_layer2, full_layer3, loss
# ...)
def run():
image, label = read_and_decode('train.tfrecords')
batch_image, batch_label = get_batch(image, label, batch_size=128, crop_size=56)
test_image, test_label = read_and_decode('val.tfrecords')
test_images, test_labels = get_test_batch(test_image, test_label, batch_size=128, crop_size=56) # batch ????
def feed_dict(train):
if train:
x=image_batch
y=label_batch
else:
x=img_batch
y=lab_batch
return {image_holder:x,label_holder:y}
saver=tf.train.Saver()
num_examples = 10000
num_iter = int(math.ceil(num_examples / batch_size))
true_count = …我打开tensorboard时出错了.这是我的代码:
import tensorflow as tf
a = tf.constant(5,name = 'input_a')
b = tf.constant(3,name = 'input_b')
c = tf.multiply(a,b,name='mul_c')
d = tf.add(a,b,name='add_d')
e = tf.add(c,d,name = 'add_e')
with tf.Session() as sess:
output = sess.run(e)
print(output)
writer = tf.summary.FileWriter('path/to/log',tf.get_default_graph())
writer.close()
这是命令:
tensorboard --logdir=path/to/log
这是错误:
文件"c:\ programdata\anaconda3\lib\runpy.py",第85行,在_run_code exec(代码,run_globals)
文件"C:\ ProgramData\Anaconda3\Scripts\tensorboard.exe__main __.py",第5行,在
文件中
来自tensorboard.plugins.audio的"c:\ programdata\anaconda3\lib\site-packages\tensorboard\main.py",第36行,导入audio_plugin
文件"c:\ programdata\anaconda3\lib\site-packages\tensorboard\plugins\audio\audio_plugin.py",第27行,
来自tensorboard import plugin_util
文件"c:\ programdata\anaconda3\lib\site-packages\tensorboard\plugin_util.py",第21行,在
导入漂白
文件"c:\ programdata\anaconda3\lib\site-packages\bleach__init __.py",第14行,
来自html5lib.sanitizer导入HTMLSanitizer
文件"c:\ programdata\anaconda3\lib\site-packages\html5lib\sanitizer.py",第7行,
来自.tokenizer导入HTMLTokenizer
文件"c:\ programdata\anaconda3\lib\site-packages\html5lib\tokenizer. py",第17行,
从.inputstream导入HTMLInputStream
文件"c:\ programdata\anaconda3\lib\site-packages\html5lib\inputstream.py",第9行,
来自.constants导入编码,ReparseException
ImportError:无法导入名称"编码"
我在张量流对象检测中使用了来自检测模型Zoo的ssd_mobilenet_v1_coco。我目前正在通过跑步训练模型
python legacy/train.py --logtostderr --train_dir=trainingmobile/ --pipeline_config_path=trainingmobile/pipeline.config
我想通过运行eval.py来获得评估工作，以获取其他指标（如IOU和PR曲线），但我不知道该怎么做。我能够运行命令
python legacy/eval.py \
--logtostderr \
--checkpoint_dir= path/to/checkpoint \
--eval_dir= path/to/eval \
--pipeline_config_path= path/to/config
然后我运行了命令
tensorboard --logdir=path/to/eval
张量板仅显示测试图像输出。我如何获得其他指标，如IOU和PR Curve？
我使用 tensorboard 制作了一些日志文件，但我无法访问它们。
使用
tensorboard或tensorboard --logdir=logs/在命令提示符下
给出以下错误：-
C:\Users\User>tensorboard
Traceback (most recent call last):
File "C:\Users\User\Anaconda3\Scripts\tensorboard-script.py", line 6, in <module>
from tensorboard.main import run_main
File "C:\Users\User\Anaconda3\lib\site-packages\tensorboard\main.py", line 40, in <module>
from tensorboard import default
File "C:\Users\User\Anaconda3\lib\site-packages\tensorboard\default.py", line 38, in <module>
from tensorboard.plugins.beholder import beholder_plugin
File "C:\Users\User\Anaconda3\lib\site-packages\tensorboard\plugins\beholder\__init__.py", line 15, in <module>
from tensorboard.plugins.beholder.beholder import Beholder
File "C:\Users\User\Anaconda3\lib\site-packages\tensorboard\plugins\beholder\beholder.py", line 25, in <module>
from tensorboard.plugins.beholder import im_util
File "C:\Users\User\Anaconda3\lib\site-packages\tensorboard\plugins\beholder\im_util.py", line 89, in <module>
class PNGDecoder(util.PersistentOpEvaluator):
AttributeError: module 'tensorboard.util' has no attribute …我只有一个graph.pbtxt文件。我想在tensorboard 中查看图表。但我不知道如何做到这一点。我必须编写任何 python 脚本还是可以从终端本身完成？请帮助我了解所涉及的步骤。
假设我有内容检查点：
checkpoint
??? model.ckpt-240000.data-00000-of-00001
??? model.ckpt-240000.index
??? model.ckpt-240000.meta
是否可以在张量板中查看检查点的内容，或者只能转换为.pb格式？
我正在尝试学习和使用 tensorboard，并遵循这些指南代码进行了一些修改。
当我运行代码
model.fit(x=x_train,
y=y_train,
epochs=5,
validation_data=(x_test, y_test),
callbacks=[tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)])
，我收到 ProfilerNotRunningError 并显示此消息“summary_ops_v2.py:1161] 跟踪已启用”。
为什么已经启用跟踪？我该如何解决问题？
我试图用新的日志方向解决它（我以为它会更新跟踪），但它又发生了。
model.fit(x=x_train,
y=y_train,
epochs=5,
validation_data=(x_test, y_test),
callbacks=[tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)])
Epoch 1/5
W0619 17:02:10.383985 15544 summary_ops_v2.py:1161] Trace already enabled
32/60000 [..............................] - ETA: 15:05 - loss: 2.3275 - accuracy: 0.0625
---------------------------------------------------------------------------
ProfilerNotRunningError Traceback (most recent call last)
<ipython-input-23-0c608b0df5ad> in <module>
3 epochs=5,
4 validation_data=(x_test, y_test),
----> 5 callbacks=[tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)])
C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, …随着 tf.contrib 模块从 Tensorflow 中消失，并且 tf.train.Saver() 也消失了，我找不到一种方法来存储一组嵌入及其相应的缩略图，以便 Tensorboard Projector 可以读取它们。
Tensorflow 2.0的Tensorboard 文档解释了如何创建绘图和摘要，以及如何使用摘要工具，但没有介绍投影仪工具。有没有人发现如何存储数据集以进行可视化？
如果可能的话，我希望有一个（最小的）代码示例。
我已经训练了我的网络并生成了一些训练/验证损失，我通过以下代码示例保存了这些损失（仅训练损失示例，验证完全等效）：
valid_summary_writer = tf.summary.create_file_writer("/path/to/logs/")
with train_summary_writer.as_default():
tf.summary.scalar('Training Loss', data=epoch_loss, step=current_step)
训练后，我想使用 Tensorboard 查看损失曲线。然而，因为我将损失曲线保存在“训练损失”和“验证损失”的名称下，这些曲线绘制在单独的图表上。我知道我应该将名称更改为简单的“丢失”以解决此问题，以便将来写入日志目录。但是我如何编辑我现有的训练/验证损失日志文件来解决这个问题？
我试图修改以下帖子的解决方案：https : //stackoverflow.com/a/55061404，它编辑日志文件的步骤并重新写入文件；我的版本涉及更改文件中的标签。但我在这方面没有成功。它还需要通过“tf.compat.v1”导入旧的 Tensorflow 代码。有没有办法实现这一点（可能在 TF 2.X 中）？
我曾想简单地从每个包含损失的日志目录中获取损失和步长值，并通过我以前的工作方法将它们写入新的日志文件，但我只设法获得了步长，而不是损失值本身。有没有人在这里取得成功？
---=== 编辑 ===---
我设法使用来自@jhedesa 的代码解决了这个问题
当我在 Google Colab Notebook 中协同使用 Tensorflow 时，我不得不稍微改变函数“rename_events_dir”的调用方式。为此，我更改了代码的最后部分，内容如下：
if __name__ == '__main__':
if len(sys.argv) != 5:
print(f'{sys.argv[0]} <input dir> <output dir> <old tags> <new tag>',
file=sys.stderr)
sys.exit(1)
input_dir, output_dir, old_tags, new_tag = sys.argv[1:]
old_tags = old_tags.split(';')
rename_events_dir(input_dir, output_dir, old_tags, new_tag)
print('Done')
要阅读此内容：
rootpath = '/path/to/model/'
dirlist = [dirname for dirname in os.listdir(rootpath) …