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

（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：

出现：

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：