标签: tensorboard

有人可以举例说明如何使用tensorboard可视化numpy数组值吗？

这里有一个相关的问题,我真的不明白. Tensorboard记录非张量(numpy)信息(AUC)

例如,如果我有

for i in range(100):
    foo = np.random.rand(3,2)

如何使用tensorboard进行100次迭代来跟踪foo的分布？有人可以给出代码示例吗？谢谢.

张量流中的一个非常简单的例子:标量min (x + 1)^2 在哪里x.代码是:

import tensorflow as tf

x = tf.Variable(initial_value=3.0)
add = tf.add(x, 1)
y = tf.square(add)
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
train = optimizer.minimize(y)

然后将图形写入磁盘

graph = tf.get_default_graph()
writer = tf.summary.FileWriter("some/dir/to/write/events")
writer.add_graph(graph=graph)

最后在张量板中可视化,它看起来像这样

问题是,为什么节点"添加"与渐变有关？我想自从我尝试最小化y,节点"Square"应该是,它是一个bug吗？有谁能解释一下？

我正在尝试使用Tensorboard,但每次我使用Tensorflow运行任何程序时,当我转到localhost:6006以查看可视化时出现错误

这是我的代码

a = tf.add(1, 2,)
b = tf.multiply(a, 3)

with tf.Session() as sess:
    writer = tf.summary.FileWriter("output", sess.graph)
    print(sess.run(b))
    writer.close()

当我转到命令提示符并输入

tensorboard --logdir=C:\path\to\output\folder

它返回

TensorBoard 0.1.8 at http://MYCOMP:6006 (Press CTRL+C to quit)

当我去localhost:6006它说

没有仪表板对当前数据集有效.可能原因: - 您尚未向事件文件写入任何数据. - TensorBoard无法找到您的活动文件.

我看过这个链接(Tensorboard:没有仪表板对当前数据集有效)但它似乎没有解决这个问题

我在Windows 10上运行它

我该怎么做才能解决这个问题？我是否在命令提示符中为Tensorboard提供了正确的路径？

先感谢您

给定张量流事件文件,如何提取与特定标记对应的图像,然后以通用格式将它们保存到磁盘,例如.png？

您好,我正在尝试使用Resnet神经网络通过使用微调方法来训练癌症数据集

这是我以前用来微调的方法.

image_input = Input(shape=(224, 224, 3))

model = ResNet50(input_tensor=image_input, include_top=True,weights='imagenet')
model.summary()
last_layer = model.get_layer('avg_pool').output
x= Flatten(name='flatten')(last_layer)
out = Dense(num_classes, activation='softmax', name='output_layer')(x)
custom_resnet_model = Model(inputs=image_input,outputs= out)
custom_resnet_model.summary()

for layer in custom_resnet_model.layers[:-1]:
    layer.trainable = False

custom_resnet_model.layers[-1].trainable

custom_resnet_model.compile(Adam(lr=0.001),loss='categorical_crossentropy',metrics=['accuracy'])

custom_resnet_model.summary()

tensorboard = TensorBoard(log_dir='./logs', histogram_freq=0,
                      write_graph=True, write_images=False)

hist = custom_resnet_model.fit(X_train, X_valid, batch_size=32, epochs=nb_epoch, verbose=1, validation_data=(Y_train, Y_valid),callbacks=[tensorboard])

(loss, accuracy) = custom_resnet_model.evaluate(Y_train,Y_valid,batch_size=batch_size,verbose=1)

print("[INFO] loss={:.4f}, accuracy: {:.4f}%".format(loss,accuracy * 100))

df = pd.read_csv('C:/CT_SCAN_IMAGE_SET/resnet_50/dbs2017/data/stage1_sample_submission.csv')
df2 = pd.read_csv('C:/CT_SCAN_IMAGE_SET/resnet_50/dbs2017/data/stage1_solution.csv')
x = np.array([np.mean(np.load('E:/224x224/%s.npy' % str(id)), axis=0) for id in df['id'].tolist()])

x = …

我正在使用Google Tensorboard,我对Histogram Plot的含义感到困惑.我阅读了教程,但对我来说似乎不太清楚.如果有人能帮我弄清楚Tensorboard Histogram Plot的每个轴的含义,我真的很感激.

来自TensorBoard的样本直方图

在关于摘要和TensorBoard的本教程之后,我已经能够使用TensorBoard成功保存和查看数据.是否可以用TensorBoard之外的其他东西打开这些数据？

顺便说一句,我的申请是做政策外学习.我目前正在使用SummaryWriter保存每个状态 - 动作 - 奖励元组.我知道我可以手动存储/训练这些数据,但我认为使用TensorFlow的内置日志记录功能来存储/加载这些数据会很不错.

我想监视例如.在Keras训练期间的进度条和Tensorboard中的学习率.我认为必须有一种方法来指定记录哪些变量,但在Keras 网站上没有立即澄清这个问题.

我想这与创建自定义回调函数有关,但是,应该可以修改现有的进度条回调,不是吗？

我想跟踪张量板上的梯度。然而，由于会话中运行的语句是不是一个东西了和write_grads的说法tf.keras.callbacks.TensorBoard是depricated，我想知道如何跟踪梯度的培训期间Keras或tensorflow 2.0。

我目前的方法是为此目的创建一个新的回调类，但没有成功。也许其他人知道如何完成这种高级的东西。

为测试创建的代码如下所示，但会独立于将梯度值打印到控制台或张量板而遇到错误。

import tensorflow as tf
from tensorflow.python.keras import backend as K

mnist = tf.keras.datasets.mnist

(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(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu', name='dense128'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax', name='dense10')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])


class GradientCallback(tf.keras.callbacks.Callback):
    console = True

    def on_epoch_end(self, epoch, logs=None):
        weights = [w for w in self.model.trainable_weights if 'dense' in w.name …

我想用特定的正则表达式过滤标签。就我而言，我想否定搜索中的某个字符。我找不到任何讨论 Tensorboard 1.15 支持的正则表达式语法的自述文件、资源或 github 问题。