Tensorboard报错的解决

最近在研究tensorflow自带的例程speech_command,顺便学习tensorflow的一些基本用法。

其中tensorboard 作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。

而在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tensorboard显示。

tf.summary有诸多函数：

1、tf.summary.scalar

用来显示标量信息，其格式为：

tf.summary.scalar(tags, values, collections=None, name=None)
例如：tf.summary.scalar(‘mean’, mean)

一般在画loss,accuary时会用到这个函数。

2、tf.summary.histogram

用来显示直方图信息，其格式为：

tf.summary.histogram(tags, values, collections=None, name=None)
例如： tf.summary.histogram(‘histogram’, var)
一般用来显示训练过程中变量的分布情况

3、tf.summary.distribution

分布图，一般用于显示weights分布

4、tf.summary.text

可以将文本类型的数据转换为tensor写入summary中：

例如：

text = “”"/a/b/c\_d/f\_g\_h\_2017"""
summary_op0 = tf.summary.text(‘text’, tf.convert_to_tensor(text))

5、tf.summary.image

输出带图像的probuf，汇总数据的图像的的形式如下： ’ tag /image/0’, ’ tag /image/1’…，如：input/image/0等。

格式：tf.summary.image(tag, tensor, max_images=3, collections=None, name=Non

6、tf.summary.audio

展示训练过程中记录的音频

7、tf.summary.merge_all

merge_all 可以将所有summary全部保存到磁盘，以便tensorboard显示。如果没有特殊要求，一般用这一句就可一显示训练时的各种信息了。

格式：tf.summaries.merge_all(key=‘summaries’)

8、tf.summary.FileWriter

指定一个文件用来保存图。

格式：tf.summary.FileWritter(path,sess.graph)

可以调用其add_summary（）方法将训练过程数据保存在filewriter指定的文件中

Tensorflow Summary 用法示例:

复制代码
tf.summary.scalar(‘accuracy’,acc) #生成准确率标量图
merge_summary = tf.summary.merge_all()
train_writer = tf.summary.FileWriter(dir,sess.graph)#定义一个写入summary的目标文件，dir为写入文件地址
…(交叉熵、优化器等定义)
for step in xrange(training_step): #训练循环
train_summary = sess.run(merge_summary,feed_dict = {…})#调用sess.run运行图，生成一步的训练过程数据
train_writer.add_summary(train_summary,step)#调用train_writer的add_summary方法将训练过程以及训练步数保存
复制代码
此时开启tensorborad：

tensorboard --logdir=/summary_dir
便能看见accuracy曲线了。

另外，如果我不想保存所有定义的summary信息，也可以用tf.summary.merge方法有选择性地保存信息：

9、tf.summary.merge

格式：tf.summary.merge(inputs, collections=None, name=None)

一般选择要保存的信息还需要用到tf.get_collection()函数

示例：

复制代码
tf.summary.scalar(‘accuracy’,acc) #生成准确率标量图
merge_summary = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,‘accuracy’),…(其他要显示的信息)])
train_writer = tf.summary.FileWriter(dir,sess.graph)#定义一个写入summary的目标文件，dir为写入文件地址
…(交叉熵、优化器等定义)
for step in xrange(training_step): #训练循环
train_summary = sess.run(merge_summary,feed_dict = {…})#调用sess.run运行图，生成一步的训练过程数据
train_writer.add_summary(train_summary,step)#调用train_writer的add_summary方法将训练过程以及训练步数保存
复制代码
使用tf.get_collection函数筛选图中summary信息中的accuracy信息，这里的

tf.GraphKeys.SUMMARIES 是summary在collection中的标志。

当然，也可以直接：

acc_summary = tf.summary.scalar(‘accuracy’,acc) #生成准确率标量图
merge_summary = tf.summary.merge([acc_summary ,…(其他要显示的信息)]) #这里的[]不可省
如果要在tensorboard中画多个数据图，需定义多个tf.summary.FileWriter并重复上述过程。

tensorboard --inspect --logdir C:\Users\xxoo\PycharmProjects\tensorboard\logs

tensorboard  --logdir= C:\Users\xxoo\PycharmProjects\tensorboard\logs

问题一
终端输入命令：tensorboard –logdir=logs ，提示tensorboard:command not found。
错误原因不是tensorboard没有安装，tensorflow-gpu-1.2.1的版本安装的同时已经将tensorboard安装了。

解决方法（既然tensorboard命令无效，那么采用最原始的方法）：

1. step 1：查找tensorboard的安装路径。使用pip show tensorflow-gpu 查看tensorflow的安装信息，得到其安装路径。
2. step2 ：使用tensorboard安装路径下的main.py 启动tensorboard。使用
   python /your path tensorboard/main.py - -logdir=/your path/logs/
   启动tensorboard，然后再跑tensorboard - -logdir=logs/

问题二
ERROR:tensorflow:Tried to connect to port 6006, but address is in use. Tried to connect to port 6006, but address is in use.
解决方法：top查看占用端口的PID，kill掉。

问题三
远程访问tensorboard，当程序在服务器上跑时，如何在本地浏览器打开tensorboard
1）将远程服务器的6006端口重定向到本地服务器上来

在本地运行下面command

ssh -L 16006:127.0.0.1:6006 account@server.address
1
参考链接：
http://stackoverflow.com/questions/37987839/how-can-i-run-tensorboard-on-a-remote-server

2）若服务器上tensorflow是docker安装，需要连接从服务器上的端口6006转发到Docker容器中的6006（还是无法打开，待解决。。）

在服务器运行下面command

docker run -p 0.0.0.0:6006:6006 -it b.gcr.io/tensorflow/tensorflow
1
参考链接：
https://stackoverflow.com/questions/41523005/how-to-use-tensorboard-in-a-docker-container-on-windows
http://www.it1352.com/646615.html

问题四
tensorboard未显示任何data
首先，确保–logdir的地址是正确的：打开scalar的导航，在左下角看看路径是否正确。

其次，确保有event files文件存在该路径下：在linux下可以用find directory_path | grep tfevents命令，确保至少返回一个结果。

最后，查看event files的是否有内容：运行tensorboard - -inspect - -logdir directory_path。若此时显示“tensorboard No event files found within logdir”，但是你的路径下确实有event files的文件，那一定是directory_path加引号了！！！tensorboard - -logdir=path，这个path不能加引号。
————————————————
版权声明：本文为CSDN博主「沉香屑_」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_23142123/article/details/80519535