1、最简单的调用代码
import tensorflow as tf
with tf.name_scope('graph') as scope:
m = tf.constant([[2,3]],dtype=tf.float32,name='m')
n = tf.constant([[5],[6]],dtype=tf.float32,name='n')
product = tf.matmul(m,n,name='product')
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
writer = tf.summary.FileWriter('log/',sess.graph)
2、windows下jupyter
有几个坑,首先需要在本机的环境变量里加上jupyter什么的,否则在命令行里找不到tensorflow相关的命令
命令:
tensorboard --logdir=dir --host 127.0.0.1
还有就是需要注意的是,如果log存在路径在d盘下,至少需要先在命令行把当前目录进入到d盘,因为windows下找不到其它盘符的东西。
最后一个大坑,可能是tensorboard版本的问题,不知道后面会不会更新,就是上面问题解决后,运行上面命令还会报错Invalid argument
解决:
用conda list查看tensorflow和tensorboard的版本,发现都是1.13,卸载tensorboard1.13,重新安装低版本的tensorboard1.11
pip uninstall tensorboard
pip install tensorboard==1.11
问题解决
3、在服务器docker中运行
需要指定端口,所指定的端口应该是做了容器内外映射的
命令:
tensorboard --logdir=log --host=0.0.0.0 --port=8989
然后浏览器访问命令行输出的地址,将其中的0.0.0.0替换成服务器地址