如何在TensorFlow2.X中使用自定义训练循环的情况下在TensorBoard中绘制网络结构图（计算图）

最新推荐文章于 2025-02-02 21:03:26 发布
最新推荐文章于 2025-02-02 21:03:26 发布
阅读量1.5k 收藏 11
点赞数 5
分类专栏： 机器学习 Python TensorFlow 文章标签： tensorflow 神经网络 机器学习 深度学习
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/kiva12138/article/details/107072987
版权
在TensorFlow2.x中，使用自定义训练循环时，网络图通常在model.fit中自动绘制。本文介绍如何在自定义循环中手动绘制网络图。通过引入`summary_ops_v2`模块，使用`tf.function`注解模型的call方法，提供符合网络输入的数据运行模型，并利用`tf.summary.FileWriter`绘制到TensorBoard中。详细步骤和代码示例在文中给出，以帮助读者实现这一功能。

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

遇到的问题

很多小伙伴在使用TensorFlow2.x的时候会进行自定义的循环，也就是自己采用for循环来逐个Epoch循环；同时又想将此时的网络图绘制在TensorBoard中。这个时候问题就出现了：TensorBoard在2.0以后的版本中的的网络图是默认在model.fit之中自动绘制的；

# 使用fit函数的时候会自动绘制网络计算图
model.fit(trrain_dataset, epoch=10, ......)

倘若想要自定义训练循环则又需要手动绘制网络图。

# 自定义寻来你循环的时候，TensorFlow不会帮助我们绘制网络计算图
for epooch in range(1, EPOCHS):
	SDG...
	LOSS..
最低0.47元/天 解锁文章
[Python人工智能] 十.Tensorflow+Opencv实现CNN自定义图像分类案例及与机器学习KNN图像分类算法对比
杨秀璋的专栏
12-29 1万+
从本专栏开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前一篇详细讲解了gensim词向量Word2Vec安装、基础用法，并实现《庆余年》中文短文本相似度计算及多个案例，很幸运被优快云推荐至封面。本篇文章主要通过Tensorflow+Opencv实现CNN自定义图像分类案例，它能解决我们现实论文或实践中的图像分类问题，并与机器学习的图像分类算法进行对比实验。基础性文章，希望对您有所帮助，如果文章中存在错误或不足之处，还请海涵~
TensorFlow基础(二)--用tensorboard来看看我们的网络流吧
Olivaf的博客
05-29 324
本文使用的tensorlow版本：1.4 tensorlow安装：pip install tensorflow 1、引言 在上一节课中，我们实现了一个简单的神经网络，那么网络中的数据是如何流动的呢？如果我们想通过可视化的方式看到网络中的数据流动，以及参数和误差的变化，这时候就该Tensorbord大显身手了。 先来回顾一下我们之前的tensorflow代码，我们用神经网络来预测 y = x^...
Tensorflow 2.x入门教程
「 虚幻私塾」
03-02 1097
Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/course/detail/35475 目录 前言层次结构概述创建张量计算图自动微分数据输入Numpy构建数据生成器构建数据keras.utils.Sequence搭建模型顺序建模函数式API建模自定义建模损失函数自定义损失函数度量函数函数自定义度量类自定义度量优化器回调函数Tensorboard训练模型model
TensorFlow之图结构与TensorBoard可视化
IT之一小佬的博客
05-25 814
TensorFlow之图结构与TensorBoard可视化 1.1 什么是图结构 图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据。 1.2 图相关操作 1 默认图 通常TensorFlow会默认帮我们创建一张图。 查看默认图的两种方法： 通过调用tf.get_default_graph()访问 ，要将操作添加到默认图形中，直接创建OP即可。 op、sess都含有graph属性 ，默认都在一张图中 import os os.enviro
Tensorflow 中的卷积神经网络（CNN）
最新发布
qq_44710922的博客
02-02 940
文章介绍了卷积神经网络（CNN）在 TensorFlow 中的实现，首先解释了神经网络的基本概念，如前向传播、反向传播和更新规则。接着，介绍了卷积神经网络的关键组成部分——卷积层和池化层，讲解了它们如何通过卷积核提取局部特征并减少数据维度，提升图像处理效果。文章还通过 MNIST 数据集展示了如何使用 TensorFlow 构建经典神经网络和卷积神经网络，并比较了两者在图像分类任务中的表现，凸显了 CNN 在图像处理上的优势。
tensorflow 2.0使用plot_model函数画网络结构图
weixin_46474546的博客
10-27 858
Reference tensorflow 2.0使用plot_model函数画网络结构图
tensorflow 利用TensorBoard查看计算图
不积跬步，无以至千里；不积小流，无以成江海。
04-26 2290
使用TensorFlow的基本步骤一般为：定义计算图，执行计算图，查看计算图 import tensorflow as tf #定义计算图 g = tf.Graph() with g.as_default(): hello = tf.constant('hello',name = 'hello') world = tf.constant('world',name = 'world...
【Tensorflow 复习3】使用Tensorboard 可视化神经网络
Eli_Code
03-04 1254
使用TensorFlow的可视化工具 — tensorboard : 通过使用这个工具可以很直观的看到整个神经网络的结构、框架。 以前几节的代码为例：相关代码 通过tensorflow的工具大致可以看到，今天要显示的神经网络差不多是这样子的 同时我们也可以展开看每个layer中的一些具体的结构： 通过阅读代码和之前的图片大概知道了此处是有一个输入层（inputs），一个隐含层（layer），还有一个输出层（output） 现在可以看看如何进行可视化. 使用Tensorboard 可视化神经网络最重要的就是
【自定义操作开发】：TensorFlow.js中的JavaScript操作实战
[【自定义操作开发】：TensorFlow.js中的JavaScript操作实战](https://global.discourse-cdn.com/nvidia/original/3X/2/4/2485c7ce90d3bc55e45ab5c56265064a48bd0da9.png) # 摘要 本文旨在全面介绍TensorFlow.js的...
【TensorFlow 2.0中的TensorBoard使用】：深度学习模型的可视化监控工具
![【TensorFlow 2.0中的TensorBoard使用】：深度学习模型的可视化监控工具]...本文首先概述了TensorBoard的基本概念、安装过程，然后深入探讨了其理论基础，包括TensorFlow计算图的理解和T
tensorflow2 中使用pydot绘制网络模型结构图
oo_TeFuir_oo的博客
08-25 2285
Linux常用命令一修改新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片修改主机名和ip地址生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 修改 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Mar
入坑tensorflow2系列（四）——tensorflow2 模型 计算图机制
qqlqqlqq的博客
06-09 576
有哪些计算图？ 静态计算图 静态计算则意味着程序在编译执行时将先生成神经网络的结构，然后再执行相应操作。从理论上讲，静态计算这样的机制允许编译器进行更大程度的优化，但是这也意味着你所期望的程序与编译器实际执行之间存在着更多的代沟。这也意味着，代码中的错误将更加难以发现（比如，如果计算图的结构出现问题，你可能只有在代码执行到相应操作的时候才能发现它） 动态计算图 动态计算意味着程序将按照我们编写命令的顺序进行执行。这种机制将使得调试更加容易，并且也使得我们将大脑中的想法转化为实际代码变得更加容易。 Auto
添加自定义数据到TensorBoard显示
zlyx525的博客
08-18 1681
通常情况下，我们在训练网络时添加summary都是通过如下方式： tf.scalar_summary(tags, values) # ... summary_op = tf.summary.merge_all() summary_writer = tf.summary.FileWriter(logdir, graph...
TensorBoard 生成计算图
qq_28234239的博客
11-06 559
TensorBoard 生成计算图 这是一个简单的全连接网络，实现a=x * w1 + b1, y=a * w2 + b2. 只看代码不是很形象，计算图让网络变得更直观。 用 tf.summary.FileWriter() 方法生成计算图。 步骤： 1，运行代码，把计算图保存在 "/home/yuejian/Desktop/graph" import tensorflow as tf x = t...
【TensorFlow】TensorFlow中的三种计算图
m0_51816252的博客
09-15 1850
在TensorFlow1.0时代，采用的是静态计算图，需要先使用TensorFlow的各种算子创建计算图，然后再开启一个会话Session，显式执行计算图。而在TensorFlow2.0时代，采用的是动态计算图，即每使用一个算子后，该算子会被动态加入到隐含的默认计算图中立即执行得到结果，而无需开启Session。
从头实现YOLO V3：利用Tensorflow-Keras，含YOLO模型结构图（详细）
aaa_aaa1sdf的博客
07-02 4913
前言 本次利用Tensorflow-Keras实现YOLO-V3模型，目的是自己动手实现YOLO-V3的重要结构，这样才能更为深入了解模型以及提升编程能力；略去了不太重要的结构，如tiny版本就没有继续实现； 重点研究了模型结构，在levio作图的基础上增加了各层的参数设置，以图将模型展示的更加清晰明了； 实现了较为细节也很重要的非最大值抑制、loss函数、如何生成true label等； ......
Tensorflow学习：Tensorboard网络结构
cui1004的博客
08-03 389
Tensorflow学习：Tensorboard网络机构 定义一个命名空间：with tf.name_scope(‘input’): import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 载入数据集 mnist = input_data.read_data_sets("MNST_data", one_hot=True) # 每个批次的大小：一次性向神经网络中放入100张图片进行训练:以矩阵
TensorFlow 编程训练7 在tensorboard中查看scalars、graphs、distributions、histograms
凌空的桨
05-03 2972
先说一下遇到的一些问题，在实现了tensorboard可以显示graphs以后发现了一个问题，就是tensorboard无法显示scalars、distributions、histograms其实就是tensorflow的版本问题，升级到1.8发现用不了，报错，和之前的错误一样ImportError:DLL load failed with error code -1073741795我之前的一篇...
Tensorflow2.x 训练网络时的指标输出,以及模型结构图导出
FlyDremever
03-18 3449
训练指标输出 1. 使用TensorBoard 2. 使用History类 TensorBorad TensorBoard的Scalars可以可视化这些指标 使用步骤： 记录训练中的指标,需要执行以下操作： 创建KerasTensorBoard回调 指定日志目录 将TensorBoard回调传递Keras的Model.fit() 回调函数： tf.keras.callbacks.Tensor...
评论 3
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