标签: tensorboard

如果您查看Censarboard演示板的Tensorboard演示板,它会显示多次运行的数据.我无法找到一个很好的例子来展示如何设置图形以这种方式输出数据.我目前正在做类似的东西这个,但它似乎是从数据结合运行,每当一个新的运行开始我看到控制台上的警告:

警告:root:每次运行发现多个图形事件.使用最新事件覆盖图形

我正在研究Keras中的分段问题,我希望在每个训练时代结束时显示分段结果.

我想要一些类似于Tensorflow:如何在Tensorboard中显示自定义图像(例如Matplotlib Plots),但使用Keras.我知道Keras有TensorBoard回调但看起来似乎有限.

我知道这会破坏Keras的后端抽象,但无论如何我对使用TensorFlow后端感兴趣.

是否有可能通过Keras + TensorFlow实现这一目标？

我正在寻找一个张量嵌入示例,带有虹膜数据,例如嵌入式投影仪http://projector.tensorflow.org/

但不幸的是我找不到一个.有关如何在https://www.tensorflow.org/how_tos/embedding_viz/中执行此操作的一些信息

有人知道这个功能的基本教程吗？

基本:

1)设置保持嵌入的2D张量变量.

embedding_var = tf.Variable(....)

2)定期将嵌入保存在LOG_DIR中.

3)将元数据与嵌入相关联.

我正在使用Keras使用fit_generator函数训练CNN.

似乎是TensorBoard在此设置中未显示直方图和分布的已知问题.

有没有人找到一种让它工作的方法？

我有一个相当复杂的Tensorflow图,我想为优化目的进行可视化.是否有一个我可以调用的函数,只需保存图形以便在Tensorboard中查看而无需注释变量？

我试过这个:

merged = tf.merge_all_summaries()
writer = tf.train.SummaryWriter("/Users/Name/Desktop/tf_logs", session.graph_def)

但没有产生任何产出.这是使用0.6轮.

这似乎是相关的: 在seq2seq模型的张量板中没有显示图形可视化

Tensorboard应该从commnad行开始,如:

tensorboard --logdir=path

我需要从代码中运行它.到现在为止我用这个:

import os
os.system('tensorboard --logdir=' + path)

但是,由于未包含在系统路径中,因此张贴板无法启动.我在Windows上使用PyCharm和virtualenv.我不想更改系统路径,因此唯一的选择是从virtualenv运行它.这该怎么做？

当我在wind中使用cmd中的tensorboard时

D:\ python document\tensorflow> tensorboard --logdir = D:\ python document\tensorflow在http://0.0.0.0:6006开始TensorBoard b'47'

但是,当我打开网页时,它会显示出来

"dial tcp 0.0.0.0:6006:connectex:请求的地址在其上下文中无效."

然后我尝试了localhost:6006,它显示了

"没有找到标量数据."

那我该怎么办呢

我正在阅读使用Keras的Deep Learning with Python一书.在第7章中,它展示了如何使用TensorBoard监控培训阶段进度,并举例说明:

import keras
from keras import layers
from keras.datasets import imdb
from keras.preprocessing import sequence

max_features = 2000
max_len = 500
(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)
x_train = sequence.pad_sequences(x_train, maxlen=max_len)
x_test = sequence.pad_sequences(x_test, maxlen=max_len)

model = keras.models.Sequential()
model.add(layers.Embedding(max_features, 128, input_length=max_len, name='embed'))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.MaxPooling1D(5))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.GlobalMaxPooling1D())
model.add(layers.Dense(1))
model.summary()

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['acc'])

callbacks = [
    keras.callbacks.TensorBoard(
        log_dir='my_log_dir',
        histogram_freq=1,
        embeddings_freq=1,
    )
]
history = model.fit(x_train, y_train, epochs=20, batch_size=128, validation_split=0.2, callbacks=callbacks)

显然,Keras库已经经历了一些更改,因为此代码引发了一些异常:

ValueError: To …

我有一个神经网络,其组织如下:

conv1 - pool1 - local reponse normalization (lrn2) - conv2 - lrn2 - pool2 -
conv3 - pool3 - conv4 - pool4 - conv5 - pool5 - dense layer (local1) - 
local2 - softmax

在查看了tensorboard的发行版之后,我得到了以下内容:

下图是激活随时间的输出.

因此,从损失数字来看,很明显网络正在学习.此外,所有的偏见都表明它们是学习的结果.但是重量怎么样,看起来它们没有随时间变化？我从它的数字中得到的是合乎逻辑的吗？请注意,我只在图表中发布了权重和偏差的图像子集.所有重量的数字都与我在这里所呈现的数字类似,同样对于偏见似乎学习了偏见,而重量则没有!

以下是我构建图表的方法:

# Parameters
learning_rate = 0.0001
batch_size = 1024
n_classes = 1  # 1 since we need the value of the retrainer.

weights = {
    'weights_conv1': tf.get_variable(name='weights1', shape=[5, 5, 3, 128], dtype=tf.float32,
                        initializer=tf.contrib.layers.xavier_initializer_conv2d(uniform=False, dtype=tf.float32)),
    'weights_conv2': tf.get_variable(name='weights2', shape=[3, 3, 128, …

我按照此处描述的步骤从源代码在MacBook Pro 10.12.5上安装了TensorFlow. https://www.tensorflow.org/install/install_sources

TensorFlow本身运行良好,但我无法运行TensorBoard.似乎没有正确安装tensorboard.

当我尝试运行tensorboard --logdir=...时说-bash: tensorboard: command not found.并locate tensorboard 返回空.

我是否需要安装张量板的其他步骤？