tensorboard笔记

最新推荐文章于 2025-12-02 15:22:37 发布
原创 最新推荐文章于 2025-12-02 15:22:37 发布 · 237 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow

本文介绍TensorBoard这一TensorFlow可视化工具的使用方法。主要内容包括如何利用scalar和histogram展示变量及网络结构；通过tf.summary.FileWriter保存训练和测试过程数据的具体操作流程。
部署运行你感兴趣的模型镜像

tensorboard是tensorflow的可视化工具。主要是对变量和网络结构的显示，变量分为两种类型scalar和histogram,其中scalar主要保存scalar型变量，如accuracy， loss。histogram保存高维数据的分布，如权重等。具体操作流程为：

这里使用的保存工具是tf.summary.FileWriter(path, graph)， 如果指定了graph那么就会把图一起起保存进去。

如果既可视化训练过程，也要可视化测试过程，就要有两个文件分别保存op运行的数据，最后tensorboard --logdir时使用的路径是两个子文件夹的上一层目录，这样tensorboard会分别显示子目录下的保存信息。
具体代码参考官网的例程。
https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

第一阶段-入门详细图文讲解tensorflow1.4 -（十）TensorBoard: Graph Visualization
凡难事必作于细的博客
12-21 4377
graph在调试，理解tensorflow程序有很大帮助。直观，看下面这张图 看不懂不碍事，本blog就是引导大家看懂tensorflow的graph.怎么运行graph请看上篇blog。看几个关键的概念一，Name scoping and nodes（命名空间和节点）name scoping:是为了简化graph的显示。将图表中的节点上定义一个层级。 nodes:每一个图标，就是一个节点。
Pytorch笔记--TensorBoard的使用
2302_79365810的博客
04-26 814
TensorBoard是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程如果终端里面没有显示你创建的虚拟环境名称，例如(base), (pytorch)等，而是ps：说明没有进入到虚拟环境当中只要敲一下：conda activate pytorch（pytorch是我创建的虚拟环境名称）就好了！如果你还是进入不了的话，可以在设置里面打开工具里面的终端，把shell路径改成cmd的然后打开终端，点击上面这个箭头换成prompt。
Tensorboard笔记
m0_53675977的博客
12-25 14
笔记
Pytorch Tensorboard 笔记
zhangchaosd的博客
01-21 1352
Pytorch Tensorboard 笔记安装运行快速示例SummaryWriter 类\_\_init\_\_add_scalaradd_scalarsadd_histogramadd_imageadd_imagesadd_figureadd_videoadd_audioadd_textadd_graphadd_embeddingadd_pr_curveadd_custom_scalarsadd_meshadd_hparamsflush()close() 安装运行 pip install tensorb
pycharm调用tensorboard笔记
coolerzZ的博客
04-08 647
anaconda打开命令窗口 输入命令 tensorboard --logdir C:\\xx\\autograph 地址为存放日志路径
Tensorboard的学习笔记
2402_88090004的博客
04-11 622
TensorBoard是TensorFlow自带的一个可视化工具包，可以帮助我们直观地理解、调试和优化机器学习模型。
Tensorboard 学习笔记
雲泥有別 尘亦生辉
04-13 405
Tensorboard 学习笔记 搭建图纸 首先从 Input 开始： # define placeholder for inputs to network xs = tf.placeholder(tf.float32, [None, 1]) ys = tf.placeholder(tf.float32, [None, 1]) 对于input我们进行如下修改： 首先，可以为xs指定名称为x_in...
tensorboard使用笔记
JingLisen的博客
12-05 251
个人博客：小景哥哥 在pycharm中单击logs的上一级目录，点击open in terminal 然后输入 tensorboard --logdir=‘logs’ logs目录中包含了train和test的文件夹，文件夹内是响应的统计结果。 ...
tensorboard学习笔记
Claire_233的博客
03-11 171
TensorBoard学习笔记 1.结构图符号及意义 2.生成logs文件 构建网络的初始化函数里添加： tf.summary.FileWriter("logs/", self.sess.graph) 3.启动tensorboard (1)在Anaconda Powershell Prompt中进入环境： conda activate TF2.1 (2)打开tensorboard： tensorboard.exe --logdir="logs文件所在绝对路径" (3)使用谷歌浏览器打开网站http:
TensorFlow学习笔记(四) 基于mnist detection example的tensorboard笔记
像风一样
04-01 2246
使用tensorflow框架中的tensorboard 可以帮助我们更方便实现可视化tensorflow 中 graphs的一个测试可行性import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data from tensorflow import float32 #载入数据，会自动通过一个脚本下...
精选资源
jupyterlab_tensorboard:Jupyterlab的Tensorboard扩展
05-09
用于tensorboard的JupyterLab扩展。 注意：该项目只是jupyterlab上tensorboard的前端扩展。 它使用项目作为tensorboard后端。 特别感谢 感谢和他出色的工作，为jupyter笔记本创建 。 先决条件 JupyterLab 安装 ...
pytorch中使用TensorBoard学习笔记
frighting_ing的博客
01-10 835
TensorBoard TensorBoard使用可视化工具能够很好的帮助我们查看训练模型的结果，因此，常常被大家作为可视化工具的首选。 1. 启动模块/载入模块 from torch.utils.tensorboard import SummaryWriter # default `log_dir` is "runs" - we'll be more specific here writer = SummaryWriter('log_dir=runs/logs') 2. 写入模型 将一个batch_s
Pytorch学习笔记——TensorBoard的初使用
weixin_50765519的博客
05-02 1123
TensorBoard是TensorFlow的可视化工具，但它也可以与PyTorch结合使用。TensorBoard提供了一个Web界面，可以展示你训练过程中的各种信息，如损失值、准确度、权重分布等，更好地帮助开发者理解和调试模型。hl=zh-cn。
鱼类识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
2301_78372746的博客
11-24 2304
鱼类识别系统，基于TensorFlow搭建卷积神经网络算法，通过收集了包括‘墨鱼’、‘多宝鱼’、‘带鱼’、‘石斑鱼’等在内的30种鱼类图像数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。
【水果识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法
子午的博客
12-01 618
水果识别系统，基于TensorFlow搭建Resnet50卷积神经网络算法，通过对5种常见的水果图片数据集（‘圣女果’, ‘梨’, ‘芒果’, ‘苹果’, ‘香蕉’）进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信选题背景与意义。
【鸟类识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法
最新发布
子午的博客
12-02 537
鸟类识别系统，通过TensorFlow搭建卷积神经网络算法，数据集使用经典的加利福尼亚大学CUB-200-2011鸟类数据集，对其进行多轮迭代训练，最后得到了一个精度较高的模型，并搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信选题背景与意义在生态保护与生物多样性研究日益重要的当下，精准识别鸟类品种对科研及爱好者而言意义重大。传统鸟类识别依赖人工比对图鉴，不仅效率低且对专业知识要求高。
【民族服饰识别系统】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积网络+resnet50算法
子午的博客
11-30 804
民族服饰识别，民族服饰智能识别与分析系统基于TensorFlow框架，采用卷积神经网络（CNN）算法构建而成。系统在收集了回族、汉族、满族、苗族四类典型民族服饰图像数据集的基础上，通过多轮迭代训练，最终生成高精度识别模型，并配合Web可视化平台实现便捷交互。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。
【动物识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法
子午的博客
12-01 420
动物识别系统，基于TensorFlow搭建Resnet50卷积神经网络算法，通过对4种常见的动物图片数据集（猫、鸡、马、狗）进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信选题背景与意义在人工智能技术蓬勃发展的当下，动物识别作为计算机视觉领域的重要应用方向，有着广泛的实际需求，如动物保护监测、智能安防等场景均需精准高效的动物识别能力。
小土堆笔记tensorboard
06-03
### 小土堆笔记 TensorBoard 使用教程 TensorBoard 是一个用于可视化 TensorFlow 和 PyTorch 等框架训练过程的工具，能够帮助用户更直观地了解模型的表现。以下是基于小土堆笔记中提到的内容和相关引用[^1]，整理出...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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