解决tensorboard--不是内部指令问题

1.基础框架:window10+pytorch+pycharm
2.问题:输入tensorboard指令时,显示没有该指令或不是内部指令。
3.分析:试了很多网页上的主流改错方法,但还是不行,而且在我的conda环境中,有tensorboard和TensorFlow,但还是不行。可能当下这个环境有点混乱,果断新建一个环境。
4.重建环境:
(1)在Anaconda Prompt环境中输入

在这 我新建了一个新的环境pytorch1(图中pytorch为原环境名)
(2)进入pytorch1环境安装pytorch
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
(在官网找对应版本及型号安装)
(3)修改pycharm中的Python interpreter环境

原项目不用动,仅修改Python Interpreter 即可
(4)小例子测试:
新建python文件,复制该代码进行编译。
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

创建一个神经网络层

def add_layer(input, in_size, out_size, activation_function=None):
“”"
:param input:
神经网络层的输入
:param in_zize:
输入数据的大小
:param out_size:
输出数据的大小
:param activation_function:
神经网络激活函数,默认没有
“”"
with tf.name_scope(‘layer’):
with tf.name_scope(‘weights’):
# 定义神经网络的初始化权重
Weights = tf.Variable(tf.random_normal([in_size, out_size]))
with tf.name_scope(‘biases’):
# 定义神经网络的偏置
biases = tf.Variable(tf.zeros([1, out_size]) + 0.1)
with tf.name_scope(‘W_mul_x_plus_b’):
# 计算w*x+b
W_mul_x_plus_b = tf.matmul(input, Weights) + biases
# 根据是否有激活函数进行处理
if activation_function is None:
output = W_mul_x_plus_b
else:
output = activation_function(W_mul_x_plus_b)

    return output

创建一个具有输入层、隐藏层、输出层的三层神经网络,神经元个数分别为1,10,1

创建只有一个特征的输入数据,数据数目为300,输入层

x_data = np.linspace(-1, 1, 300)[:, np.newaxis]

创建数据中的噪声

noise = np.random.normal(0, 0.05, x_data.shape)

创建输入数据对应的输出

y_data = np.square(x_data) + 1 + noise

with tf.name_scope(‘input’):
# 定义输入数据,None是样本数目,表示多少输入数据都行,1是输入数据的特征数目
xs = tf.placeholder(tf.float32, [None, 1], name=‘x_input’)
# 定义输出数据,与xs同理
ys = tf.placeholder(tf.float32, [None, 1], name=‘y_input’)

定义一个隐藏层

hidden_layer = add_layer(xs, 1, 10, activation_function=tf.nn.relu)

定义输出层

prediction = add_layer(hidden_layer, 10, 1, activation_function=None)

求解神经网络参数

定义损失函数

with tf.name_scope(‘loss’):
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction), reduction_indices=[1]))

定义训练过程

with tf.name_scope(‘train’):
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

变量初始化

init = tf.global_variables_initializer()

定义Session

sess = tf.Session()

将网络结构图写到文件中

writer = tf.summary.FileWriter(‘logs/’, sess.graph)

执行初始化工作

sess.run(init)

绘制求解的曲线

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.scatter(x_data, y_data)
plt.ion()
plt.show()

进行训练

for i in range(1000):
# 执行训练,并传入数据
sess.run(train_step, feed_dict={xs: x_data, ys: y_data})
if i % 100 == 0:
try:
ax.lines.remove(lines[0])
except Exception:
pass

    # print sess.run(loss, feed_dict = {xs: x_data, ys: y_data})
    # 计算预测值
    prediction_value = sess.run(prediction, feed_dict={xs: x_data})
    # 绘制预测值
    lines = ax.plot(x_data, prediction_value, 'r-', lw=5)
    plt.pause(0.1)

关闭Session

sess.close()

备注:跑该代码时,报错:tensorflow matplotlib 两个模块没有,直接用pycharm中的自带安装也可,或者在conda中 用pip命令安装
(5)先重新打开pycharm,保证进入新建的pytorch1环境。
在pycharm的Terminal中:
在这里插入图片描述
出现:
在这里插入图片描述
而且我把这个网址输入到浏览器中,显示找不到网页。
(6)借鉴https://blog.csdn.net/qq872890060/article/details/100546719 的修正方式:
TensorBoard 1.14.0 at http://DESKTOP-AR9QBOF:6006/ (Press CTRL+C to
quit)
由于版本原因,这里不能直接在127.0.0.1:6006可视化tensorboard
解决方法:
tensorboard --logdir=文件夹路径 --host=127.0.0.1
(指定路径后就可以访问了)

果然成功:
我用的火狐浏览器,其它暂未实验

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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