【Tensorflow】Tensorboard最简版本使用教程

参考文章:https://www.cnblogs.com/fydeblog/p/7429344.html

本代码在【Tensorflow】调用已经保存好的模型继续训练(最简版)基础上添加Tensorboard必要的代码

1.显示网络结构图
import tensorflow as tf
from pathlib import Path

def save(path='./model/transfer_learn'):
    saver = tf.train.Saver()
    saver.save(sess, path, write_meta_graph=False)

def restore(path='./model/transfer_learn'):
    saver = tf.train.Saver()
    saver.restore(sess, path)

def train(input):
    a = tf.assign_add(input, tf.ones(1))
    return a

if __name__ == "__main__":
	a = tf.Variable(tf.zeros(1),name='a')
    model_file = Path('./model')

    with tf.Session() as sess:
        writer = tf.summary.FileWriter("logs/", sess.graph)

        if model_file.exists():
            restore()
        else:
            sess.run(tf.initialize_all_variables())
        for i in range(5):
            output = train(a)
            print(sess.run(output))
        save()

Session内添加writer = tf.summary.FileWriter("logs/", sess.graph),会生成logs文件夹.
打开终端,不需要进到logs内,输入tensorboard --logdir logs,然后打开生成的链接即可.

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
TensorBoardTensorFlow的一个可视化工具,用于帮助开发者更好地理解、调试和优化他们的模型。为了简单使用TensorBoard,首先你需要安装tensorboardX库,可以使用命令`pip install tensorboardX`进行安装。然后,在你的代码中导入`SummaryWriter`类,可以使用以下代码:`from tensorboardX import SummaryWriter`来导入。 接下来,你可以创建一个`SummaryWriter`对象,并将其与你的训练代码一起使用。例如,你可以在训练循环中使用`writer.add_scalar`方法来记录损失和准确率等指标,使用`writer.add_histogram`方法来记录权重和梯度的分布情况,使用`writer.add_image`方法来记录图片等。 在运行你的代码后,你可以使用命令`tensorboard --logdir=logs`来启动TensorBoard服务器,并指定日志文件的路径。然后,在浏览器中访问`http://localhost:6006`即可查看TensorBoard的可视化结果。 另外,如果你想在Jupyter Notebooks中使用TensorBoard,你可以使用以下命令加载TensorBoard插件:`%load_ext tensorboard`。然后,你可以使用`%tensorboard`命令启动TensorBoard服务器,并指定日志文件的路径。之后,你可以通过访问`http://localhost:6006`来查看TensorBoard的可视化结果。 总结来说,TensorBoard可以通过tensorboardX库在代码中使用,你可以使用`SummaryWriter`类来记录不同指标和可视化结果。通过命令`tensorboard --logdir=logs`启动TensorBoard服务器,并在浏览器中查看可视化结果。如果你想在Jupyter Notebooks中使用TensorBoard,可以使用`%load_ext tensorboard`加载插件,并使用`%tensorboard`命令启动服务器。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [pytorch使用tensorboardX进行loss可视化实例](https://download.csdn.net/download/weixin_38694699/13737138)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [TensorBoard的最全使用教程:看这篇就够了](https://blog.csdn.net/m0_46510245/article/details/123086159)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值