lancer le tensorboard avec tensorboard --logdir=/home/vagrant/notebook
at tensorboard: 6006> graph, cela signifie qu'aucun fichier de définition de graphe n'a été trouvé.
Pour stocker un graphique, créez un tf.python.training.summary_io.SummaryWriter et transmettez-le via le constructeur ou en appelant sa méthode add_graph ().
import tensorflow as tf
sess = tf.Session()
writer = tf.python.training.summary_io.SummaryWriter("/home/vagrant/notebook", sess.graph_def)
Cependant, la page est toujours vide, comment puis-je commencer à jouer avec tensorboard?
Un graphique vide pouvant ajouter des nœuds, modifiable.
On dirait que tensorboard est incapable de créer un graphique pour ajouter des nœuds, faire glisser et éditer, etc. (Je suis confus par la vidéo officielle).
running https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py puis tensorboard --logdir=/home/vagrant/notebook/data
peut afficher le graphique
Cependant, il semble que le tensorflow n'offre que la possibilité d'afficher un résumé, rien de très différent pour le rendre remarquable
TensorBoard est un outil permettant de visualiser le graphique TensorFlow et d’analyser les métriques enregistrées pendant l’entraînement et l’inférence. Le graphique est créé à l'aide de l'API Python, puis écrit à l'aide de la méthode tf.train.SummaryWriter.add_graph()
. Lorsque vous chargez le fichier écrit par SummaryWriter dans TensorBoard, vous pouvez voir le graphique qui a été enregistré et l'explorer de manière interactive.
Cependant, TensorBoard n'est pas un outil pour construire le graphique lui-même. Il ne prend pas en charge l'ajout de nœuds au graphique.
Exemple de code , je peux ajouter une ligne comme indiqué ci-dessous:
import tensorflow as tf
import numpy as np
sess = tf.InteractiveSession() #define a session
# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.Rand(100).astype("float32")
y_data = x_data * 0.1 + 0.3
# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but Tensorflow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# Before starting, initialize the variables. We will 'run' this first.
init = tf.initialize_all_variables()
# Launch the graph.
sess = tf.Session()
sess.run(init)
#### ----> ADD THIS LINE <---- ####
writer = tf.train.SummaryWriter("/tmp/test", sess.graph)
# Fit the line.
for step in xrange(201):
sess.run(train)
if step % 20 == 0:
print(step, sess.run(W), sess.run(b))
# Learns best fit is W: [0.1], b: [0.3]
Et puis exécutez tensorboard à partir de la ligne de commande, en pointant vers le répertoire approprié. Ceci montre un appel complet pour le SummaryWriter. Il est important de noter les points suivants:
J'ai résolu par sur windows:
file_writer = tf.summary.FileWriter("output", sess.graph)
pour ce répertoire "sortie". J'ai ouvert la commande sur Windows.
tapé
tensorboard --logdir="C:\Users\kiran\machine Learning\output"
mon erreur était sur cette ligne ..
Dans cette page, il existe un code très simple que vous pouvez utiliser pour tester votre installation: http://tensorflow.org/get_started
J'ai inclus cette ligne
tf.train.write_graph(sess.graph_def, '/home/daniel/Documents/Projetos/Prorum/ProgramasEmPython/TestingTensorFlow/fileGraph', 'graph.pbtxt')
Après ce "sess.run (init)"
Cela générera un fichier que vous devrez télécharger sur le "TensorBoard".
Pour ouvrir le TensorBoard, en supposant qu'il soit installé sur votre ordinateur (ce doit être le cas si vous utilisez pip pour installer), j'ai utilisé le terminal d'Ubuntu et écrit:
"tensorboard --logdir nameOfDirectory"
Ensuite, vous devez ouvrir votre navigateur sur le port 6006:
http://localhost:6006/
Cela ouvrira le TensorBoard. Je suis allé au "Menu Graph" et ai téléchargé le fichier. Il a généré cette figure ci-dessous:
J'ai donc transféré le modèle créé en Python vers TensorBoard. Je pense qu’il est possible de créer un modèle vide si aucun modèle n’est créé (seule la session est lancée). Cependant, je ne suis pas sûr que vous puissiez changer cela directement dans TensorBoard.
J'ai déjà répondu à cette question ici en portugais avec plus de détails pour les utilisateurs brésiliens. Peut-être que cela peut être utile pour d'autres personnes: http://prorum.com/index.php/1843/recentemente-plataforma-aprendizagem-primeira-impressao
Les graphiques dans TensorBoard n'apparaissent pas si vous utilisez Firefox. Vous devez installer Chrome.
résultat recherché
Un graphique vide pouvant ajouter des nœuds, modifiable.
Je pense que vous trouverez l’outil Orange utile. Il vous permet de faire glisser et déposer divers nœuds et d'implémenter des algorithmes via une interface graphique.
Je devais utiliser
python -m tensorflow.tensorboard --logdir="C:\tmp\tensorflow\.."
d'une manière ou d'une autre, tensorboard --logdir
n'a pas fonctionné.
Mon environnement
Système d'exploitation: Windows 7, Python 3.5 et Tensorflow 1.1.0