问题标签 [tensorboard]

我使用基于 Docker 的安装。

我是这样启动 Tensorboard 的：

然后，我打开了 Chrome。我在标题上添加了 TensorBoard，但它是空的。

这是一些图片：http: //imgur.com/a/ZwdzD

如何正确查看基于 Docker 安装的张量板？

是否可以在同一个图中绘制两个以上的标量？进一步来说。它可以允许：

• 训练损失和测试损失一起绘制
• 正则化损失和顶级损失一起绘制。
• 可能会在右侧垂直轴上增加精度

仅举几例。这会有很大帮助。

在打开的 TensorBoard 会话中快速查看最新事件文件中更新图表的最佳方法是什么？重新运行我的 Python 应用程序会导致创建一个新的日志文件，其中可能包含新的事件/图表。但是，除非重新启动，否则 TensorBoard 似乎没有注意到这些差异。

让我们想象一下以下情况：

在这种情况下，只有在运行会话并向占位符提供具体数据时才会设置a和占位符的实际形状。b

但是，根据 API，标签的形状需要与c. 怎样才能做到这一点？

我正在使用 Tensorflow 构建神经网络，我想在 Tensorboard 上显示训练结果。到目前为止一切正常。但我对 Tensorboard 的“事件文件”有疑问。我注意到每次运行 python 脚本时，它都会生成不同的事件文件。当我使用 运行我的本地服务器时 $ python /usr/local/lib/python2.7/dist-packages/tensorflow/tensorboard/tensorboard.py --logdir=/home/project/tmp/，如果有超过 1 个事件文件，它会显示错误。这似乎很烦人，因为每当我运行本地服务器时，我都必须删除所有以前的事件文件才能使其工作。所以我想知道是否有任何解决方案可以防止这个问题。我真的很感激。

我想使用 Tensorboard 来可视化验证样本中损失的演变。但是验证集太大而无法在一个小批量中计算。因此，为了计算我的验证损失，我必须在覆盖验证集的几个小批量中多次调用 session.run。然后我将每个小批量的损失（在 python 中）相加，以获得完整的验证损失。

我的问题是 tf.scalar_summary 似乎必须附加到张量流节点。但是我需要以某种方式将其“附加”到经过多次 session.run 运行的节点值的总和。

有没有办法做到这一点？也许通过直接总结包含小批量损失总和的python浮点数？但是我没有在文档中看到一种为张量板“总结”计算之外的 python 值的方法。文档的“操作方法”部分中的示例仅涉及可以在对 session.run 的单个调用中计算的损失。

我想实现类似的东西scalar_summary，但不用作Op需要 a 的 a Variable。例如，如果我打电话

在张量板事件中，我希望它生成一个名为标签的图，其中包含一条线。

我怎样才能做到这一点？

我在 Python 3.5 上成功安装了 tensorflow。

但是我不能使用张量板，因为它只BaseHTTPServer.py支持 Python 2.x，然后我在 Python 2.7 上安装了 tensorflow，它会导致这些问题：

我正在努力在已经训练过的 TensorFlow 基本 LSTM 和可以在浏览器中运行的 javascript 版本之间实现一个接口。问题是，在我读过的所有文献中，LSTM 都被建模为迷你网络（仅使用连接、节点和门），而 TensorFlow 似乎还有很多事情要做。

我的两个问题是：

1. TensorFlow 模型能否轻松转化为更传统的神经网络结构？

2. 有没有一种实用的方法可以将 TensorFlow 提供的可训练变量映射到这个结构？

我可以从 TensorFlow 中得到“可训练变量”，问题是它们似乎每个 LSTM 节点只有一个偏差值，我见过的大多数模型都包括记忆单元、输入和输出。

我正在尝试使用 TensorBoard 获取图表作为 MNIST 示例。我检查了其他教程，问题，似乎上传文件选项不在我的图形菜单下，但我还没有找到原因。

PS 我可以使用我想在 TensorBoard 上显示的 write_graph 生成图形文件。