TensorBoard是TensorFlow下的一个可视化的工具,能在训练大规模神经网络时将复杂的运算过程可视化。TensorBoard能展示你训练过程中绘制的图像、网络结构等。
首先给出一个Tensorboard计算图的例子,后面给出常遇问题及解决方案。
下面是Tensorflow生成计算图的代码示例,即可在'./log'路径下得到计算图文件
import tensorflow as tf
import numpy as np
#创建计算图会话
sess = tf.Session()
my_array = np.array([[1.,3.,5.,7.,9.],[-2.,0.,2.,4.,6.],[-6.,-3.,0.,3.,6.]])
x_vals = np.array([my_array,my_array+1])
#创建占位符及变量
x_data = tf.placeholder(tf.float32,shape=(3,5))
m1 = tf.constant([[1.],[0.],[-1.],[2.],[4.]])
m2 = tf.constant([[2.]])
m3 = tf.constant([[10.]])
#创建层
prod1 = tf.matmul(x_data,m1)
prod2 = tf.matmul(prod1,m2)
prod3 = tf.add(prod2,m3)
for x in x_vals:
print(sess.run(prod2,feed_dict={x_data:x}))
#计算图路径及保存
log_dir = '.