怎么启动tensorboard呢？之anaconda版(转载请声明)

最新推荐文章于 2025-03-26 13:21:42 发布
最新推荐文章于 2025-03-26 13:21:42 发布
阅读量2k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： hands-on Machine learning 读书笔记
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。
本文链接：https://blog.youkuaiyun.com/akon_wang_hkbu/article/details/78396688
在CMD中无法运行TensorBoard，但可以通过Anaconda Prompt进入TensorFlow环境来启动。激活TensorFlow环境或为TensorFlow配置Anaconda Prompt，然后输入命令`tensorboard --logdir=/path/to/log-directory`，确保日志目录路径简洁，避免复杂路径导致的问题。完成上述步骤后，可以在指定地址查看TensorBoard。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

网上面看了一大堆自己摸索出来了个方法:

我之前在cmd运行的时候找不到tensorboard.


后来我是直接在anaconda prompt进去的.注意这里要进去TensorFlow的环境下才行.你可以 activate TensorFlow先或者直接给TensorFlow配一个anaconda prompt.比如这样:



打开之后再输入 tensorboard --logdir =/path/to/log-directory 就可以找到了

再多说一句,路径设置不要太复杂.就在磁盘下的一个文件就行,要不打不开!!!!!!我搞了半天都不行.


地址上面画出来了.

最后完成


AI4S - 开源 OpenFold: 蛋白质结构预测的 Multimer 环境配置 教程(9)
AGI
10-31 459
OpenFold，重新训练 AlphaFold2 揭示对于学习机制和泛化能力的新见解。OpenFold 是可训练的开源实现用于模拟 AlphaFold2 的结构预测能力
wh常用命令
This is bill的专属博客
04-03 4504
0x01 查看显卡 spci | grep -i vga 0x02 查看系统版本 cat /proc/version uname -a 0x03 查看NVIDIA 显卡 nvidia-smi 0x04 查看CUDA版本 nvcc -V 0x05 不断刷新一个命令 watch 0x06 查找一个命令 which 0x07 docker使用 ref...
Anaconda 使用tensorboard
Emilieeeee的博客
12-08 967
'tensorboard'不是内部或外部命令，也不是可运行的程序或批处理文件 pytorch部分代码（完整代码在https://github.com/Yupurple-wang/pytorch_first_step/blob/main/tp_pytorch.ipynb） from torch.utils.tensorboard import SummaryWriter # 模拟输入数据 x = torch.randn(128, 1, 28, 28) x = x.view(x.size()[0], -1)
Keras中使用Tensorboard
water_style的博客
12-14 235
在头上 加一句： from keras.callbacks import TensorBoard 然后找到model.fit处，加入一句话 例如 model.fit(train_images, train_labels, epochs=5,          callbacks=[TensorBoard(log_dir='./log')]) 然后运行完成之后，按照上一篇博客     ...
基于anaconda下的tensorflow/keras编程如何启动tensorboard进行可视化
怂怂的博客
05-27 258
第一次使用tensorboard进行可视化，百度看了下别人的教程，尝试过都不太可，于是自己对着众多教程摸索下，终于成功了。 工具需要：安装了Anaconda，并在Anaconda下安装的tensorflow 1、打开anaconda终端 ——Anaconda Prompt 2、此时在base环境下，需要激活tensorflow环境 输入 activatetensorflow 注意：第1/2步也可以通过直接打开tensorflow环境下的终端实现，如果有的话 3、在后面输入te..
Tensorboard最详细的启动教程【适合小白】
u014760934的博客
04-07 5253
Tensorboard最详细的启动教程【适合小白】一、导入包二、下载Mnist数据三、定义神经网络模型model四、编译模型五、设置Tensorboard1. 定义Tensorboard调用的地址，.logs/代表模型训练之后生成的文件放到.logs文件夹(若无，自动创建)，.logs文件夹与本python代码文件在同一文件下2. .logs是用来保存被Tensorboard分析的日志文件的文件夹地址3. 定义tb_callback，调用的函数是tf.keras.callbacks.TensorBoard，
【TensorBoard】如何启动tensorboard的详尽步骤
09-21 4584
TensorBoard是TensorFlow下的一个可视化的工具，能够帮助我们在训练大规模神经网络过程中出现的复杂且不好理解的运算。TensorBoard能展示你训练过程中绘制的图像、网络结构等。 启动TensorBoard的方法： 第一步：定位到你训练后log文件保存的位置； 第二步：cd 到log文件的上一级目录； 即D:\PycharmProjects\python35\object_detection 第三步：键入命令行，启动TensorBoard； ...
anaconda环境tensorflow2.4.1+CUDA11.2+cndnn11.3安装全过程py3.8
weixin_44744648的博客
05-10 1199
项目场景： 于20210509安装相关内容，耗时几天，最终能成功运行mnist测试集。以下纪录安装的细节： 关于下载位置及版本： 提示：这里描述项目中遇到的问题： 例如：数据传输过程中数据不时出现丢失的情况，偶尔会丢失一部分数据 APP 中接收数据代码： @Override public void run() { bytes = mmInStream.read(buffer); mHandler.obtainMessage(READ_DATA,
继Pytorch后，win10下安装tensorflow，没用Anaconda，pip终端安装
小书
11-06 1207
版权声明：本文为博主原创文章，未经博主允许不得转载。 安装好Pytorch后，在官网逗留一小段时间后，感觉有些乏懵，于是乘胜追击，将tensorflow安装上。 首先： 我在安装Pytorch之前试了一次，失败了 C:\Users\Shu\Desktop>pip install --upgrade --ignore-installed tensorflow Collecting tensor...
复现faster-rcnn（jwyang的pytorch版本）
m0_54088522的博客
01-07 1673
复现的是github上比较火的wyang版本，本地环境Ubuntu20.04+python3.6+pytorch1.5.1+cuda10.1autodl上的环境是Ubuntu20.04+python3.6+pytorch1.10.0+cuda11.3，两者都成功。
Pytorch学习笔记（6）可视化与HOOK
m0_50758340的博客
06-28 2087
Pytorch可视化与Hook
Python和Tensorboard的下载和安装
qq_40306845的博客
03-13 2202
Python和Tensorboard的下载、安装和使用。
【pytorch】tensorboard安装
qq_39398917的博客
01-17 1450
pytorch：2.1.2 安装命令(conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia)运行之后会显示web网页，可在本地浏览器打开。(此处只运行了在本地浏览器打开的方式，跨主机的方式还没有用到，之后需要的话，会补充上)发生异常: ModuleNotFoundError。再次运行代码不会报错。
TensorBoard 的使用（一）
在下_诸葛的博客
04-12 5418
前言：   安装完 pytorch 环境后，我们正式学习第一个内容：使用 Tensorboard 来使数据可视化，对应 B站 小土堆 博主中 pytorch 教程的第八节内容，先看视频，再读本文章会比较容易看懂。 目录1、安装 TensorBoard2、代码展示3、解释代码4、运行代码5、打开TensorBoard6、结果展示 1、安装 TensorBoard   在运行下面主要代码之前，我们要先安装 TensorBoard 这个 python 库。 （这里先停一下，你要先学会安装 python 库，如.
docker方式启动kuboard
hbhe0316的专栏
01-14 588
e KUBOARD_AGENT_SERVER_TCP_PORT="10081"：指定 KUBOARD_AGENT_SERVER 的端口为 10081，此参数与第 5 行中的宿主机端口应保持一致，修改此参数不会改变容器内监听的端口 10081，例如，如果第 5 行为 -p 30081:10081/tcp 则第 7 行应该修改为 -e KUBOARD_AGENT_SERVER_TCP_PORT="30081"；官网地址：https://kuboard.cn/点击上图的添加集群，按照提示步骤进行集群的导入。
如何在pycharm中启动tensorboard
m0_46348916的博客
10-18 5206
如何在pycharm中启动tensorboard 在pycharm中训练完成模型，想看tensorboard，可用下列方法： 1.先定义tensorboard 2.找到tensorboard的log_dir，即这里的graph文件夹的目录，我们将tensorboard文件装在其目录下： 打开终端查看：用cd命令，找到其对应的文件夹 下，输入命令tensorboard–logdir=graph，即可获得6006地址，复制在浏览器中打开即可。 ...
TensorBoard入门——Pytorch中使用（附带案例演示）
热门推荐
m0_61878383的博客
03-08 2万+
TensorBoard是一个用于可视化机器学习实验结果的工具，可以帮助我们更好地理解和调试训练过程中的模型。在PyTorch中，我们可以使用TensorBoardX库来与TensorBoard进行交互。TensorBoardX是一个PyTorch的扩展，它允许我们将PyTorch的训练中的关键指标和摘要写入TensorBoard的事件文件中。
数据可视化TensorboardX和tensorBoard安装及使用
最新发布
风信子的博客
03-26 2898
TensorBoard 是 TensorFlow 官方提供的可视化工具，而 TensorBoardX 是其社区驱动的替代品，支持 PyTorch 等其他框架。通过 TensorBoard 或 TensorBoardX，你可以直观地监控模型训练过程，分析实验结果，从而更有效地优化模型。TensorBoard 通常与 TensorFlow 一起安装，但也可以单独安装。：可以通过 SSH 隧道将远程服务器的 TensorBoard 端口映射到本地。API 记录日志，然后使用 TensorBoard 可视化。
使用autodl训练模型
02-11
### 使用 AutoDL 进行模型训练 #### 注册与登录 为了使用 AutoDL 平台进行模型训练，在浏览器中搜索 AutoDL，进入官方网站后需先完成注册流程。注册完成后，通过输入用户名和密码来登录平台[^2]。 #### 创建项目并配置环境 登录成功后，用户可以在平台上创建新的项目。在创建过程中，可以选择所需的计算资源类型（CPU/GPU），以及指定运行的操作系统镜像版本。这一步骤对于确保后续训练顺利至关重要。 #### 数据集准备 接着上传或连接外部存储中的数据集至所创建的项目内。支持多种方式加载本地文件或者云服务提供商的数据源链接。良好的数据预处理能够显著提升最终模型性能。 #### 编写训练脚本 编写用于定义网络架构、损失函数及优化器等要素的 Python 脚本。可以利用 PyTorch 或 TensorFlow 等主流框架实现自定义逻辑。此外，还需设置超参数以控制迭代次数和其他重要属性。 ```python import torch from torchvision import datasets, transforms transform = transforms.Compose([transforms.ToTensor()]) dataset = datasets.MNIST('data', download=True, transform=transform) train_loader = torch.utils.data.DataLoader(dataset, batch_size=64, shuffle=True) ``` #### 提交作业执行 最后提交编写的训练代码作为一项任务给定到集群上排队等待调度执行。可以通过 Web UI 实时查看日志输出了解进度情况，并监控 GPU 利用率等相关指标。
评论
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