Làm thế nào để tạo ra một Tensorflow Tensorboard Rỗng Graph

Question

ra mắt tensorboard với tensorboard --logdir=/home/vagrant/notebook

tại tensorboard: 6006> đồ thị, nó nói Không file định nghĩa đồ thị đã được tìm thấy.

Để lưu trữ biểu đồ, hãy tạo một tf.python.training.summary_io.SummaryWriter và chuyển biểu đồ qua trình tạo hoặc bằng cách gọi phương thức add_graph() của nó.

import tensorflow as tf 

sess = tf.Session() 
writer = tf.python.training.summary_io.SummaryWriter("/home/vagrant/notebook", sess.graph_def) 

Tuy nhiên trang vẫn trống, làm cách nào để bắt đầu chơi với bảng mạch?

tensorboard hiện

kết quả muốn

Một đồ thị có sản phẩm nào có thể thêm các nút, có thể chỉnh sửa.

cập nhật

Có vẻ như tensorboard là không có khả năng tạo ra một biểu đồ để thêm các nút, kéo và chỉnh sửa vv (Tôi bối rối bởi video chính thức).

chạy https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py và sau đó tensorboard --logdir=/home/vagrant/notebook/data có thể xem đồ thị

Tuy nhiên có vẻ như tensorflow chỉ cung cấp khả năng xem Tóm lại, không có gì nhiều khác nhau để làm cho nó nổi trổi

Answer 1

TensorBoard là một công cụ để visualizing the TensorFlow graph và phân tích ghi nhận số liệu trong quá trình đào tạo và suy luận. Biểu đồ được tạo bằng cách sử dụng API Python, sau đó được viết ra bằng phương thức tf.train.SummaryWriter.add_graph(). Khi bạn tải tệp được viết bởi SummaryWriter vào TensorBoard, bạn có thể thấy biểu đồ đã được lưu và khám phá tương tác nó.

Tuy nhiên, TensorBoard không phải là công cụ để tự xây dựng biểu đồ. Nó không có bất kỳ sự hỗ trợ nào cho việc thêm các nút vào biểu đồ.

Answer 2

Trong trang này, có một mã rất đơn giản mà bạn có thể sử dụng để kiểm tra cài đặt của bạn: http://tensorflow.org/get_started

tôi bao gồm dòng

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

này Sau này "sess.run (init)"

Điều này sẽ tạo một tệp mà bạn phải tải lên "TensorBoard".

Để mở TensorBoard, giả như rằng nó được cài đặt trong máy tính của bạn (nó phải là nếu bạn sử dụng pip để cài đặt), tôi đã sử dụng thiết bị đầu cuối của Ubuntu và viết:

"tensorboard --logdir nameOfDirectory "

Sau đó, bạn nên mở trình duyệt của bạn ở Port 6006:

http://localhost:6006/ 

này sẽ mở TensorBoard. Tôi đã đi đến "Graph Menu" và tải lên các tập tin.Nó tạo ra con số này dưới đây:

Vì vậy, những gì tôi đã làm là để chuyển các mô hình tôi đã tạo bằng Python để TensorBoard. Tôi tin rằng nó có thể tạo ra một sản phẩm nào, nếu không có mô hình được tạo ra (chỉ có phiên được bắt đầu). Tuy nhiên, tôi không chắc chắn nếu bạn có thể thay đổi điều này trực tiếp trong TensorBoard.

Tôi đã trả lời câu hỏi này ở đây bằng tiếng Bồ Đào Nha với nhiều chi tiết hơn cho người dùng Braxin. Có lẽ nó có thể hữu ích cho những người khác: http://prorum.com/index.php/1843/recentemente-plataforma-aprendizagem-primeira-impressao

Answer 3

Bắt đầu từ Code Example sau, tôi có thể thêm một dòng như hình dưới đây:

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] 

Và sau đó chạy tensorboard từ dòng lệnh, trỏ đến thư mục thích hợp . Điều này cho thấy một cuộc gọi hoàn chỉnh cho SummaryWriter. Điều quan trọng cần lưu ý những điều sau đây:

1. SummaryWriter được thông qua một phiên, và do đó phải xảy ra sau khi phiên (hoặc InteractiveSession) được tạo ra
2. Đó phiên có thể được tạo ra sớm trong chương trình, nhưng khi Phiên được chuyển đến SummaryWriter, biểu đồ vì nó tồn tại tại thời điểm đó được ghi vào tệp mà TensorBoard sẽ sử dụng.

Answer 4

Biểu đồ trong TensorBoard không hiển thị nếu bạn đang sử dụng Firefox. Bạn phải cài đặt Chrome.

Answer 5

kết quả muốn

Một đồ thị có sản phẩm nào có thể thêm các nút, có thể chỉnh sửa.

Tôi nghĩ bạn sẽ tìm thấy công cụ Orange hữu ích. Nó cho phép bạn kéo và thả các nút khác nhau và thực hiện các thuật toán thông qua GUI.

Answer 6

tôi giải quyết bằng cách vào cửa sổ:

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

cho rằng thư mục "đầu ra". Tôi mở lệnh trên cửa sổ.

gõ

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

sai lầm của tôi là trên dòng đó ..

Answer 7

tôi đã phải sử dụng

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

bằng cách nào đó tensorboard --logdir đã không làm việc.

Môi trường của tôi

Hệ điều hành: Windows 7, Python 3.5, và Tensorflow 1.1.0