标签: tensorboard

我正在关注谷歌云机器学习教程,我无法启动TensorBoard

我按照上面教程中的步骤(也使用docker容器设置我的环境),直到在终端中输入以下命令

tensorboard --logdir=data/ --port=8080

终端输出以下提示的位置

Starting TensorBoard 29 on port 8080
(You can navigate to http://172.17.0.2:8080)

当我http://172.17.0.2:8080在浏览器中访问时,我什么都没看到(此页面所在的服务器没有响应).

有人可以建议我如何推出Tensor Board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。

我正在尝试访问AWS上的Tensorboard.这是我的设置:

• Tensorboard tensorboard --host 0.0.0.0 --logdir=train::

在6006端口启动TensorBoard b'39'(您可以导航到 http://172.31.18.170:6006)

• AWS安全组(in):
  • HTTPS TCP 443 0.0.0.0/0
  • Custom_TCP TCP 6006 0.0.0.0/0

但是连接到ec2-blabla.us-west-1.compute.amazonaws.com:6006我看不到任何东西,我基本上无法连接.

你有什么主意吗？

我为MNISTdb 编写了以下简单的MLP网络.

from __future__ import print_function

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras import callbacks


batch_size = 100
num_classes = 10
epochs = 20

tb = callbacks.TensorBoard(log_dir='/Users/shlomi.shwartz/tensorflow/notebooks/logs/minist', histogram_freq=10, batch_size=32,
                           write_graph=True, write_grads=True, write_images=True,
                           embeddings_freq=10, embeddings_layer_names=None,
                           embeddings_metadata=None)

early_stop = callbacks.EarlyStopping(monitor='val_loss', min_delta=0,
                     patience=3, verbose=1, mode='auto')


# the data, shuffled and split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train.reshape(60000, 784)
x_test = x_test.reshape(10000, 784)
x_train …

我正在使用Keras TensorBoard回调.我想运行网格搜索并可视化张量板中每个模型的结果.问题是不同运行的所有结果合并在一起,损失情节是这样的混乱:

如何重命名每次运行以获得类似于此的内容:

这里是网格搜索的代码:

df = pd.read_csv('data/prepared_example.csv')

df = time_series.create_index(df, datetime_index='DATE', other_index_list=['ITEM', 'AREA'])

target = ['D']
attributes = ['S', 'C', 'D-10','D-9', 'D-8', 'D-7', 'D-6', 'D-5', 'D-4',
       'D-3', 'D-2', 'D-1']

input_dim = len(attributes)
output_dim = len(target)

x = df[attributes]
y = df[target]

param_grid = {'epochs': [10, 20, 50],
              'batch_size': [10],
              'neurons': [[10, 10, 10]],
              'dropout': [[0.0, 0.0], [0.2, 0.2]],
              'lr': [0.1]}

estimator = KerasRegressor(build_fn=create_3_layers_model,
                           input_dim=input_dim, output_dim=output_dim)


tbCallBack = TensorBoard(log_dir='./Graph', histogram_freq=0, write_graph=True, write_images=False)

grid = GridSearchCV(estimator=estimator, param_grid=param_grid, n_jobs=-1, scoring=bug_fix_score,
                            cv=3, verbose=0, fit_params={'callbacks': …

我只看到了几个问这个问题的问题,但他们都没有答案,所以我想我也可以试试.我一直在使用gensim的word2vec模型来创建一些向量.我将它们导出到文本中,并尝试将其导入到tensorflow的嵌入式投影仪的实时模型中.一个问题.它没用.它告诉我,张量的格式不正确.所以,作为初学者,我想我会问一些有更多可能解决方案经验的人.
相当于我的代码:

import gensim
corpus = [["words","in","sentence","one"],["words","in","sentence","two"]]
model = gensim.models.Word2Vec(iter = 5,size = 64)
model.build_vocab(corpus)
# save memory
vectors = model.wv
del model
vectors.save_word2vec_format("vect.txt",binary = False)

这将创建模型,保存向量,然后在带有所有维度值的制表符分隔文件中将结果打印出来.我理解如何做我正在做的事情,我只是无法弄清楚我把它放在tensorflow中的方式有​​什么问题,因为据我所知,有关这方面的文档非常缺乏.
提交给我的一个想法是实现适当的tensorflow代码,但我不知道如何编写代码,只是导入实时演示中的文件.

编辑:我现在有一个新问题.我有载体的对象是不可迭代的,因为gensim显然决定使自己的数据结构与我正在尝试的不兼容.
好.做完了!谢谢你的帮助!

我已经训练了一个模型并在 tensorboard 中检查了它的日志。它显示了一些图表，并为我提供了下载 CSV 或 JSON 的选项，但我想要他们在其门户上显示的确切图表。这是它的外观：

有没有办法以PNG或SVG格式下载它？

我目前使用Tensorboard使用经本所概述的下方回调SO后如下图所示。

from keras.callbacks import ModelCheckpoint

CHECKPOINT_FILE_PATH = '/{}_checkpoint.h5'.format(MODEL_NAME)
checkpoint = ModelCheckpoint(CHECKPOINT_FILE_PATH, monitor='val_acc', verbose=1, save_best_only=True, mode='max', period=1)

当我运行 Keras 的密集网络模型时，出现以下错误。我在使用我的任何其他模型以这种方式运行 Tensorboard 时没有遇到任何问题，这使得这个错误非常奇怪。根据这个Github 帖子，官方的解决方案是使用官方的 Tensorboard 实现；但是，这需要升级到 Tensorflow 2.0，这对我来说并不理想。任何人都知道为什么我会收到此特定密集网的以下错误，并且是否有有人知道的解决方法/修复方法？

AttributeError Traceback（最近一次调用最后一次） in () 26 batch_size=32, 27 class_weight=class_weights_dict, ---> 28 callbacks=callbacks_list 29 ) 30

2 帧 /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/callbacks.py in _call_batch_hook(self, mode, hook, batch, logs) 245 t_before_callbacks = time.time() 246 用于回调在 self.callbacks 中：--> 247 batch_hook = getattr(callback, hook_name) 248 batch_hook(batch, logs) 249 self._delta_ts[hook_name].append(time.time() - t_before_callbacks)

AttributeError: 'ModelCheckpoint' 对象没有属性 'on_train_batch_begin'

我奔跑的密网

from tensorflow.keras …

我正在尝试通过 tensorboard profiling 选项卡探索模型调整，并试图通过 tensorboard 回调生成文件，如下所示。

    log_dir="logs/profile/" + datetime.now().strftime("%Y%m%d-%H%M%S")

    tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir,
    histogram_freq=1, profile_batch = 3)
    model.fit(train_data,
             steps_per_epoch=20,
             epochs=10, 
             callbacks=[tensorboard_callback])

它在我的 colab 中生成了以下文件。然后将这些文件下载到我的本地 PC 中以在 tensorboard 中查看，但在 Profile 选项卡中没有显示任何内容。显示信息的所有其他选项卡。

日志/配置文件/日志/配置文件/20190907-130136/日志/配置文件/20190907-130136/train/logs/profile/20190907-130136/train/events.out.tfevents.1567861315.340ae5d20profile-130136 130136/train/events.out.tfevents.1567861301.340ae5d21d3b.119.129998.v2 日志/配置文件/20190907-130136/train/plugins/日志/配置文件/20190907/train/10190907/train/20190907/train/profile3016/profile/plugins/profile31091016 train/plugins/profile/2019-09-07_13-01-55/logs/profile/20190907-130136/train/plugins/profile/2019-09-07_13-01-55/local.trace

该脚本位于https://colab.research.google.com/github/tensorflow/tensorboard/blob/master/docs/r2/tensorboard_profiling_keras.ipynb

想要附加文件，但没有选项可以在此处附加他的文件...谁能帮助解释为什么此脚本中的配置文件信息没有显示到本地 PC tensorboard 配置文件选项卡中？