tensorboard使用记录

最新推荐文章于 2023-02-19 21:29:53 发布
最新推荐文章于 2023-02-19 21:29:53 发布
阅读量1.8k 收藏
点赞数
分类专栏： 机器学习 文章标签： tensorboard
本文分享了在使用TensorBoard过程中遇到的问题及解决方案，包括如何解决必须为占位符张量提供值的错误，以及避免TensorBoard显示重复图标的办法。

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

最近在学习使用tensorboard

开始用了ipython ,遇到两个坑,记录一下

第一个是:

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'inputs/x_input' with dtype float
	 [[Node: inputs/x_input = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]
解决方法是在程序最开始,tf各种调用还没开始之前加一句tf.reset_default_graph()


这样修改以后,代码可以正常把summary相关数据输出到对应的目录中了




但是在运行tensorboard --logdir=xxxx的时候,又出warning:


WARNING:tensorflow:Found more than one graph event per run, or there was a metagraph containing a graph_def, as well as one or more graph events.  Overwriting the graph with the newest event.



同时,生成的tensorboard图很乱.比如只定义了一个w,这里会看到好多w_1,w_2....




google搜了半天未果


最终发现,问题出在ipython上,不太懂ipython 运行机制,但怀疑它有一些并行化的操作? 




结论:tensorboard相关代码不要写在ipython notebook上, 可能会有问题.






                

        

    

    
  



    



                



	

		

			

				
					
PyTorch TensorBoard 使用详解

				
			

			

				

					shangjg3的博客
				

				

					06-14
					
					82
					
				

			

		

		

			
				
本文详细介绍了如何在PyTorch中使用TensorBoard进行模型可视化。首先需要安装TensorBoard并创建SummaryWriter对象记录数据。通过MNIST分类任务演示了如何记录训练损失、准确率、模型图、参数分布等指标，并提供了代码示例展示各种可视化功能的使用方法，包括标量追踪、图像网格、PR曲线和嵌入可视化等。文章还介绍了启动TensorBoard服务器的方法，以及高级用法如多实验对比、自定义图表和超参数记录。TensorBoard可以帮助开发者更好地理解、调试和优化深度学习模型，是PyT

			
		

	



                

            
              



	

		

			

				
					
Tensorboard使用

					
热门推荐

				
			

			

				

					GuanghaoChen的博客
				

				

					02-20
					
					8万+
					
				

			

		

		

			
				
背景

在复杂的问题中，网络往往都是很复杂的。为了方便调试参数以及调整网络结构，我们需要将计算图可视化出来，以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具，可以满足上面的需求。



介绍

TensorBoard是一个可视化工具，能够有效地展示Tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。可以查看Tens...

			
		

	



              


  
              

                


	

		

			

				
					
Tensorboard启动查看数据训练历史

				
			

			

				

					frighting_ing的博客
				

				

					02-19
					
					683
					
				

			

		

		

			
				
使用tensorboard工具插件之后，生成events.out.*文件，对该文件进行可视化训练过程。

			
		

	





	

		

			

				
					
tensorboard使用问题解决记录

				
			

			

				

					TEDDY的博客
				

				

					01-20
					
					523
					
				

			

		

		

			
				
环境：Ubuntu16.04

python 3.6.2 0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free

tensorboard 1.13.1 pypi_0 pypi
...

			
		

	



		

			
		



	

		

			

				
					
记录使用可视化学习Tensorboard遇到的问题

				
			

			

				

					kd的博客
				

				

					04-08
					
					2707
					
				

			

		

		

			
				
错误信息

(tensorflow) D:\07 python\DeepLearning\tmp\summary>tensorboard --logdir=test
W0408 10:06:01.781227 18412 plugin_event_accumulator.py:294] Found more than one graph event per run, or there was...

			
		

	





	

		

			

				
					
PyTorch+TensorboardX 出现“Found more than one "run metadata" ”以及可视化多个模型graph的问题

				
			

			

				

					andyL_05的博客
				

				

					04-16
					
					1288
					
				

			

		

		

			
				
Tensorboard是一个非常好用的深度学习可视化工具，能够将训练过程loss变化、模型结构等可视化显示，方便我们了解细节，在使用TensorFlow框架时经常用到。TensorboardX则是适用于PyTorch框架的可视化工具，使用方法基本类似。
本文主要解决使用PyTorch和TensorboardX出现的一些问题。
1. 出现“Found more than one “run metad...

			
		

	





	

		

			

				
					
Tensorflow的可视化工具Tensorboard的使用——图（graph）的使用

				
			

			

				

					wgj99991111的博客
				

				

					11-18
					
					7571
					
				

			

		

		

			
				
图（graph）对于理解tensorflow程序的结构十分重要，是tensorboard的重要组成部分，今天主要记录自己在学习图的使用过程中的一些心得。



			
		

	





	

		

			

				
					
深度学习五：tensorboard使用记录（windows）

				
			

			

				

					阳光玻璃杯
				

				

					07-01
					
					5158
					
				

			

		

		

			
				
TensorBoard 的可视化工具,可以用来展现你的 TensorFlow 图像，绘制图像生成的定量指标图以及附加数据。 
 tensorBoard的使用设计如下几个函数：第一、创建一个事件文件summary_waiter = tf.summary.FileWriter("log",tf.get_default_graph())log是事件文件所在的目录，这里是工程目录下的log目录。第二个参数是

			
		

	





	

		

			

				
					
tensorboard使用教程

				
			

			

				

					01-27
				

			

		

		

			
				
发现tensorboard是个好工具，但一直没使用。本文是学习笔记主要用的是tf.summary,主要包括：1.tf.summary.histogram(生成Histogram和distribution),代码示例：2.tf.summary.scalar：主要用于记录诸如：准确率、损失...

			
		

	





	

		

			

				
					
[TensorFlow]理解Tensorboard Graph

				
			

			

				

					王尧的技术博客
				

				

					04-08
					
					1万+
					
				

			

		

		

			
				
主旨在TensorFlow中每开发一个模型，都可以使用可视化调试工具TensorBoard得到这个session的Graph，这张图的结构和内容都不同于机器学习教材上介绍的典型神经网络结构图。本文试图通过代码实验理解Graph的含义，用以指导日常调试。代码和运行环境代码：https://github.com/wangyaobupt/TF_Graph   singleNerualNode.py 运行环

			
		

	





	

		

			

				
					
Tensorflow可视化---使用Tensorboard查看网络结构

				
			

			

				

					lanyuxuan100的博客
				

				

					04-10
					
					1万+
					
				

			

		

		

			
				
查看网络结构在打开Tensorboard后，在GRAPH选项下，如图所示：可以看到该网络的网络结构。查看具体节点信息这个网络结构图可以点具体节点上的“+”来显示其详细信息：缩小就可以点击上面的“-”即可。

			
		

	





	

		

			

				
					
TensorBoard使用

				
			

			

				

					笔记本
				

				

					03-31
					
					1万+
					
				

			

		

		

			
				
先跑一个小例程
'''
Graph and Loss visualization using Tensorboard.
This example is using the MNIST database of handwritten digits
(http://yann.lecun.com/exdb/mnist/)
Author: Aymeric Damien
Project: https://

			
		

	





	

		

			

				
					
【Python | TensorBoard】用 PCA 可视化 MNIST 手写数字识别数据集

				
			

			

				

					Alan Lee
				

				

					12-10
					
					1万+
					
				

			

		

		

			
				
Principal component analysis (PCA) is a statistical procedure that uses an orthogonal transformation to convert a set of observations of possibly correlated variables into a set of values of linearly u

			
		

	





	

		

			

				
					
Python学习日记14tensorboard可视化显示

				
			

			

				

					blue_xinran的博客
				

				

					11-15
					
					1722
					
				

			

		

		

			
				
将y=x^2的代码加入写log和summary
然后在anaconda prompt中用

d:
cd codefolder


activate tensorflow
进入log文件的上级目录
使用命令
tensorboard --log logs

在chrome浏览器地址栏输入prompt给出的地址
aaa:6006

遗留问题：
1还需要仔细阅读官方文档和教程
https://tensor...

			
		

	





	

		

			

				
					
【tensorflow1.0学习笔记004】TensorBoard可视化助手

				
			

			

				

					荪荪的博客
				

				

					02-22
					
					2万+
					
				

			

		

		

			
				
本节主要讲解TensorBoard可视化工具TensorBoard可以将训练过程中的各种绘制数据展示出来，包括标量（scalars），图片（images），音频（Audio）,计算图（graph）,数据分布，直方图（histograms）和嵌入式向量。使用TensorBoard展示数据，需要在执行Tensorflow就算图的过程中，将各种类型的数据汇总并记录到日志文件中。然后使用TensorBo...

			
		

	





	

		

			

				
					
记录解决tensorboard  bug

				
			

			

				

					Xunuo1995的博客
				

				

					04-08
					
					443
					
				

			

		

		

			
				
tensorboard可以查看训练的历史记录：
问题一：
首先激活环境；
进入文件夹；
终端输入：tensorboard --logdir=runs
本应该到这一步输出网址的，但是报错：Fatal error in launcher: Unable to create process using ‘“d:\anaconda3\envs\torch\python.exe”  “D:\Anaconda3\envs\torch2\Scripts\tensorboard.exe” --logdir=runs’: ?

			
		

	





	

		

			

				
					
tensorboard保存记录

					
最新发布

				
			

			

				

					02-13
				

			

		

		

			
				
### 如何在 TensorBoard 中保存日志和记录

为了在 Keras 训练过程中利用 TensorBoard 保存日志并记录训练结果，可以在调用 `model.fit` 方法时通过参数 `callbacks` 添加一个 `TensorBoard` 实例。这使得每次模型更新后的状态能够被自动写入指定目录下的日志文件中[^1]。

```python
from tensorflow.keras.callbacks import TensorBoard
import time

# 定义回调函数列表
callbacks_list = [
    TensorBoard(
        log_dir=f'./logs/{time.strftime("%Y%m%d-%H%M%S")}',  # 日志存储位置, 加时间戳防止覆盖
        histogram_freq=1,                                  # 按照每一轮epoch频率计算各层激活直方图
        write_graph=True                                   # 是否可视化计算图结构
    )
]

# 开始训练模型，并传入定义好的回调函数列表
history = model.fit(x_train, y_train,
                    epochs=epochs,
                    batch_size=batch_size,
                    validation_data=(x_val, y_val),
                    callbacks=callbacks_list)
```

对于更复杂的场景，比如希望在一个图表内展示多个不同实验条件下的性能对比，则可以通过 `tensorboardX` 库来实现这一需求。具体做法是在相同命名空间下分别记录各个系列的数据点，最终这些数据会在同一张图形界面里呈现出来[^2]。

当需要读取由 TensorBoard 创建的日志文件来进行进一步分析或处理时，可以借助于 TensorFlow 提供的事件累加器 (event accumulator)，它允许开发者轻松访问之前训练期间产生的各种统计数据，如损失值变化趋势等[^3]。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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