2015-11-12 43 views
12

lancio tensorboard con tensorboard --logdir=/home/vagrant/notebookCome creare un tensorflow Tensorboard Vuoto Grafico

a tensorboard: 6006> grafico, si dice di no file di definizione del grafico sono stati trovati.

Per memorizzare un grafico, creare un tf.python.training.summary_io.SummaryWriter e passare il grafico tramite il costruttore o chiamando il suo metodo add_graph().

import tensorflow as tf 

sess = tf.Session() 
writer = tf.python.training.summary_io.SummaryWriter("/home/vagrant/notebook", sess.graph_def) 

Tuttavia, la pagina è ancora vuota, come posso iniziare a giocare con il tensore?

tensorboard corrente

Current Tensorboard

risultato voluto

Un grafico vuoto che può aggiungere nodi, modificabile.

aggiornamento

Sembra come tensorboard non è in grado di creare un grafico per aggiungere nodi, trascinare e modificare ecc (sto confuso dal video ufficiale).

esecuzione https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py e poi tensorboard --logdir=/home/vagrant/notebook/data è in grado di visualizzare il grafico

sembra tuttavia come tensorflow solo fornire possibilità di visualizzare sintesi, niente di molto diverso per renderlo standout

+0

che cosa si intende per vuoto? Non sta lanciando? Vuoto (pagina bianca/grigia)? Non puoi vedere il grafico? il grafico non è quello che ti aspetti? –

+0

Il video PR è davvero fuorviante. Lo pensavo anch'io. –

risposta

15

TensorBoard è uno strumento per visualizing the TensorFlow graph e l'analisi registrati metriche durante l'allenamento e l'inferenza. Il grafico viene creato utilizzando l'API Python, quindi scritto utilizzando il metodo tf.train.SummaryWriter.add_graph(). Quando carichi il file scritto da SummaryWriter in TensorBoard, puoi vedere il grafico che è stato salvato e esplorarlo interattivamente.

Tuttavia, TensorBoard non è uno strumento per edificio il grafico stesso. Non ha alcun supporto per l'aggiunta di nodi al grafico.

2

In questa pagina, c'è un codice molto semplice che è possibile utilizzare per verificare l'installazione: http://tensorflow.org/get_started

ho incluso questa linea

tf.train.write_graph(sess.graph_def, '/home/daniel/Documents/Projetos/Prorum/ProgramasEmPython/TestingTensorFlow/fileGraph', 'graph.pbtxt') 

Dopo questo "sess.run (init)"

Questo genererà un file che devi caricare su "TensorBoard".

Al fine di aprire il TensorBoard, supponendo che sia installato nel computer (che deve essere se si utilizza pip per l'installazione), ho usato il terminale di Ubuntu e ha scritto:

"tensorboard --logdir nameOfDirectory "

Quindi, si dovrebbe aprire il browser a Port 6006:

http://localhost:6006/ 

si aprirà la TensorBoard. Sono andato al "Menu grafico" e ho caricato il file.Essa ha generato questa figura seguente:

http://www.prorum.com

Quindi, quello che ho fatto è quello di trasferire il modello che ho creato in Python per TensorBoard. Credo che sia possibile crearne uno vuoto, se non viene creato alcun modello (viene avviata solo la sessione). Tuttavia, non sono sicuro di poterlo modificare direttamente nel TensorBoard.

Ho risposto prima di questa domanda qui in portoghese con ulteriori dettagli per gli utenti brasiliani. Forse può essere utile per altre persone: http://prorum.com/index.php/1843/recentemente-plataforma-aprendizagem-primeira-impressao

+0

Questo non sembra funzionare. Il programma modificato viene eseguito, il file di output viene creato, ma Tensorboard restituisce lo stesso errore riportato dal poster originale – Novak

+0

Ha funzionato per me! Ho passato alcune ore per scoprire questo! Sto usando Ubuntu 14.04 e l'ho provato su Chromium! – DanielTheRocketMan

+1

Ti sento nel processo di scoperta. Ho usato Ubuntu 15.1, con Chrome e Chromium e Tensorflow 0.6 aggiornato. Se/quando lo faccio funzionare (probabilmente qualche giorno), commenterò o invierò una risposta separata. – Novak

12

partire dai seguenti Code Example, posso aggiungere una riga come illustrato di seguito:

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] 

e quindi eseguire tensorboard dalla riga di comando, che punta alla directory appropriata . Questo mostra una chiamata completa per SummaryWriter. E 'importante notare le seguenti cose:

  1. SummaryWriter è passata una sessione, e così deve avvenire dopo la seduta (o InteractiveSession) viene creato
  2. tale sessione può essere creata all'inizio del programma, ma quando il La sessione viene passata a SummaryWriter, il grafico come esiste in quel momento viene scritto nel file che verrà utilizzato da TensorBoard.
+0

tf.train.SummaryWriter si è trasformato in tf.summary.FileWriter. Se apporti questa modifica, questo esempio funziona. – vwvan

0

I grafici in TensorBoard non vengono visualizzati se si utilizza Firefox. Devi installare Chrome.

+1

I grafici di TensorBoard funzionano in firefox – Himaprasoon

0

risultato voluto

un grafico vuoto che può aggiungere nodi, modificabile.

Penso che troverete lo strumento Orange utile. Permette di trascinare e rilasciare vari nodi e implementare algoritmi tramite GUI.

2

ho risolto dal sulle finestre:

 file_writer = tf.summary.FileWriter("output", sess.graph) 

per quella directory "output". Ho aperto il comando su Windows.

digitato

tensorboard --logdir="C:\Users\kiran\machine Learning\output" 

mio errore era su quella linea ..

0

ho dovuto usare

python -m tensorflow.tensorboard --logdir="C:\tmp\tensorflow\.." 

qualche modo tensorboard --logdir non ha funzionato.

Il mio ambiente

OS: Windows 7, Python 3.5 e 1.1.0 tensorflow

Problemi correlati