tensorboard使用方法和打开网址一片空白的解决方法

文章介绍了如何使用Tensorboard进行日志可视化,包括设置logdir为/logs/bert_vits/,启动新terminal运行start-starfire-tensorboard.sh脚本。当Tensorboard页面为空白时,检查tensorboard和tensorboardx的版本是否一致,如果不同,可以通过pip安装指定版本2.1来确保兼容性,从而正常显示图像。

1、tensorboard --logdir event.文件所在路径
tensorboard --logdir ./logs/bert_vits/

2、新开一个terminal
start-starfire-tensorboard.sh

3、如果打开网址是一片空白,则检查tensorboard和tensorboardx版本是否匹配
tensorboard和tensorboardx版本不匹配
4、pip install tensorboard==2.1,将tensorboard降至和tensorboardx相同版本,可以看到图像啦
tensorboard和tensorboardx版本匹配

### 使用TensorBoard与Keras 为了展示如何使用TensorBoard与Keras配合工作,下面提供了一个逐步指南来设置并运行TensorBoard以便监控模型训练过程。 #### 安装依赖库 确保安装了`tensorflow`以及其可视化工具`tensorboard`。可以通过pip命令完成安装[^1]: ```bash pip install tensorflow tensorboard ``` #### 导入所需模块 加载必要的Python包以构建神经网络模型,并准备数据集用于训练。 ```python import keras from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Dropout from keras.optimizers import RMSprop import numpy as np from tensorflow.keras.callbacks import TensorBoard # 加载TensorBoard回调函数 ``` #### 配置日志目录 创建一个特定的日志文件夹路径供TensorBoard读取记录信息,在此例子中命名为'logs/'。 ```python log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S") tensorboard_callback = TensorBoard(log_dir=log_dir, histogram_freq=1) ``` #### 构建简单模型结构 定义一个多层感知器(MLP),这里采用MNIST手写数字识别作为案例研究对象。 ```python model = Sequential() model.add(Dense(512, activation='relu', input_shape=(784,))) model.add(Dropout(0.2)) model.add(Dense(512, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(10, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer=RMSprop(), metrics=['accuracy']) ``` #### 启动训练流程 调用`.fit()`方法启动训练循环的同时传递给它之前配置好的TensorBoard实例。 ```python history = model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, verbose=1, validation_data=(x_test, y_test), callbacks=[tensorboard_callback]) ``` #### 运行TensorBoard服务器 打开终端窗口执行如下指令开启本地服务端口,默认情况下为6006号端口监听HTTP请求。 ```bash tensorboard --logdir logs/fit/ ``` 访问浏览器中的URL地址http://localhost:6006即可查看实时更新的各项指标图表。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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