Ответ 1

TensorBoard - это инструмент для визуализации графика TensorFlow и анализа записанных показателей во время обучения и вывода. Граф создается с использованием API Python, а затем выписывается с использованием метода tf.train.SummaryWriter.add_graph(). Когда вы загружаете файл, написанный с помощью SummaryWriter, в TensorBoard, вы можете увидеть график, который был сохранен, и интерактивно изучить его.

Однако TensorBoard не является инструментом для построения самого графика. У него нет поддержки для добавления узлов в график.

Ответ 2

Начиная со следующего Пример кода, я могу добавить одну строку, как показано ниже:

import tensorflow as tf
import numpy as np
sess = tf.InteractiveSession()  #define a session
# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype("float32")
y_data = x_data * 0.1 + 0.3

# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but Tensorflow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b

# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# Before starting, initialize the variables.  We will 'run' this first.
init = tf.initialize_all_variables()

# Launch the graph.
sess = tf.Session()
sess.run(init)

#### ----> ADD THIS LINE <---- ####
writer = tf.train.SummaryWriter("/tmp/test", sess.graph)

# Fit the line.
for step in xrange(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))

# Learns best fit is W: [0.1], b: [0.3]

И затем запустите тензограмму из командной строки, указав соответствующую директорию. Это показывает полный вызов для SummaryWriter. Важно отметить следующие вещи:

• SummaryWriter передается сеанс, и это должно произойти после создания сеанса (или InteractiveSession).
• Этот сеанс может быть создан в начале программы, но когда сеанс передается в SummaryWriter, график, который он существует в этой точке, записывается в файл, который будет использовать TensorBoard.

Ответ 3

На этой странице есть очень простой код, который вы можете использовать для тестирования вашей установки: http://tensorflow.org/get_started

Я включил эту строку

tf.train.write_graph(sess.graph_def, '/home/daniel/Documents/Projetos/Prorum/ProgramasEmPython/TestingTensorFlow/fileGraph', 'graph.pbtxt')

После этого "sess.run(init)"

Это создаст файл, который вы должны загрузить в "TensorBoard".

Чтобы открыть TensorBoard, предположим, что он установлен на вашем компьютере (это должно быть, если вы используете pip для установки), я использовал терминал Ubuntu и написал:

"тензорная панель --logdir nameOfDirectory"

Затем вы должны открыть браузер в Port 6006:

http://localhost:6006/

Это откроет TensorBoard. Я пошел в "Графическое меню" и загрузил файл. Он создал этот рисунок ниже:

Итак, я сделал, чтобы передать модель, которую я создал в Python, на TensorBoard. Я считаю, что можно создать пустую, если не создана модель (инициируется только сеанс). Однако я не уверен, что вы можете изменить это прямо в TensorBoard.

Я ответил на этот вопрос здесь, на португальском, с более подробной информацией о бразильских пользователей. Может быть, это может быть полезно для других людей: http://prorum.com/index.php/1843/recentemente-plataforma-aprendizagem-primeira-impressao

Ответ 4

я решил по окнам:

       file_writer = tf.summary.FileWriter("output", sess.graph)

для этого "вывода" каталога. Я открыл команду на окнах.

набран

tensorboard --logdir="C:\Users\kiran\machine Learning\output"

моя ошибка была на этой линии.

Ответ 5

Графики в TensorBoard не отображаются, если вы используете Firefox. Вам нужно установить Chrome.

Ответ 6

желаемый результат

Пустой граф, который может добавлять узлы, редактируемые.

Я думаю, что вы найдете инструмент Orange. Это позволяет вам перетаскивать различные узлы и реализовывать алгоритмы через графический интерфейс.

Ответ 7

Мне пришлось использовать

python -m tensorflow.tensorboard --logdir="C:\tmp\tensorflow\.."

как-то tensorboard --logdir не работает.

Моя среда

ОС: Windows 7, Python 3.5 и Tensorflow 1.1.0