问题标签 [tensorboard]

我在 tensorboard.py 和 tensorboard_handler.py 文件中清除了 python 2to3 的差异，但 Tensorboard 仍然存在可视化错误。

浏览器端错误：

图形可视化失败：错误：解析图形定义失败

服务器端错误日志是：

我正在使用张量板来可视化图形和目标函数的最小化。我可以可视化损失函数，但无法可视化图形。我收到一个未找到的错误

[编辑]

[EDIT2] 当我切换到另一个浏览器（铬）时，它可以工作。但不适用于 Firefox。

I have a rather complicated Tensorflow graph that I'd like to visualize for optimization purposes. Is there a function that I can call that will simply save the graph for viewing in Tensorboard without needing to annotate variables?

I Tried this:

But no output was produced. This is using the 0.6 wheel.

This appears to be related: Graph visualisaton is not showing in tensorboard for seq2seq model

我正在为我构建的 cnn 模型测试不同的超参数，但是在查看 Tensorboard 中的摘要时我有点烦恼。问题似乎是数据只是在连续运行中“添加”，因此除非我将信息视为“相对”而不是“逐步”，否则这些函数会导致奇怪的叠加。看这里：

我试过杀死 tensorboard 的进程并擦除日志文件，但似乎还不够。

所以问题是，我如何重置这些信息？

谢谢！！

以下是改编自一个简单学习示例的代码，为了理解 Tensorboard 图形可视化，我已经变形了：

打印语句的示例输出是：

显然，减法工作正常——减法的输入顺序不同，产生不同的输出。但是，图形可视化是：

请注意“Sub”运算符，它似乎不会像代码那样颠倒操作数的顺序。（突出显示任一运算符不会产生额外的见解。）我是否遗漏了一些明显的东西，或者节点可视化是否完全模糊了操作数的顺序？

我正在尝试学习如何使用 tensorflow 和 tensorboard。我有一个基于MNIST 神经网络教程的测试项目。

在我的代码中，我构建了一个节点，用于计算数据集中正确分类的数字比例，如下所示：

这里，self._logits是图的推理部分，labels是一个包含正确标签的占位符。

现在，我想做的是在训练进行时评估训练集和验证集的准确性。我可以通过使用不同的 feed_dict 两次运行准确度节点来做到这一点：

这按预期工作。我可以打印这些值，我可以看到，最初，两个准确度都会增加，最终验证准确度会变平，而训练准确度会不断增加。

但是，我也想在 tensorboard 中获取这些值的图表，但我不知道如何做到这一点。如果我只是添加一个scalar_summaryto accuracy，记录的值将不会区分训练集和验证集。

我还尝试创建两个accuracy具有不同名称的相同节点，并在训练集上运行一个，在验证集上运行一个。scalar_summary然后我向每个节点添加一个。这确实在张量板上给了我两张图，但不是一张显示训练集准确度的图和一张显示验证集准确度的图，它们都显示了相同的值，与打印到终端的任何一个都不匹配。

我可能误解了如何解决这个问题。分别记录来自单个节点的不同输入的输出的推荐方法是什么？

我开始在我的 RHEL 6.5 机器上安装 Tensorflow。但事实证明，Tensorflow 需要 glibc >= 2.17，而 rhel 6.5 上的默认 glibc 是 2.12。

我想知道是否有人可以帮助我制定 tensorflow 的最低/推荐系统规范？

如果您查看 cifar10 演示的 Tensorboard仪表板，它会显示多次运行的数据。我很难找到一个很好的例子来展示如何将图表设置为以这种方式输出数据。我目前正在做与此类似的事情，但它似乎正在组合运行中的数据，每当新运行开始时，我都会在控制台上看到警告：

警告：根：每次运行发现多个图表事件。用最新事件覆盖图表

完成 mnist/cifar 教程后，我想我会通过制作自己的“大”数据集来试验 tensorflow，为了简单起见，我选择了一个黑白椭圆形，它可以独立地改变其高度和宽度0.0-1.0 比例为 28x28 像素图像（其中我有 5000 个训练图像，1000 个测试图像）。

我的代码使用“MNIST 专家”教程作为基础（按比例缩小以提高速度），但我切换了基于平方误差的成本函数，并根据此处的建议，将 sigmoid 函数换成了最终激活层，因为这不是分类，而是两个张量 y_ 和 y_conv 之间的“最佳拟合”。

然而，在超过 100k 次迭代的过程中，损失输出迅速稳定在 400 到 900 之间的振荡（或者，因此，任何给定标签的 0.2-0.3 平均超过 50 个批次中的 2 个标签）所以我想我只是得到噪音。也许我错了，但我希望使用 Tensorflow 对图像进行卷积，以推断出可能有 10 个或更多独立的标记变量。我在这里错过了一些基本的东西吗？

我最关心的是张量板如何显示权重几乎没有变化，即使经过数小时的训练和衰减的学习率（尽管代码中没有显示）。我对机器学习的理解是，在对图像进行卷积时，这些层实际上相当于边缘检测层……所以我很困惑为什么它们几乎不应该改变。

我目前的理论是：
1. 我忽略/误解了有关损失函数的一些内容。
2. 我误解了权重是如何初始化/更新的
3. 我严重低估了这个过程需要多长时间......尽管再一次，损失似乎只是在振荡。

任何帮助将不胜感激，谢谢！

我的 linux 计算机上没有互联网访问权限，因此我按照TensorFlow Get Started从源代码安装了 TF 。
由于缺乏互联网连接，我在构建 trainer_example 时遇到了一些麻烦，希望来自 tensorflow 的人通过为 re2、gemmlowp、jpegsrc v9a、libpng 和 6 创建本地存储库并相应地修改 WORKSPACE 来帮助我完成它。
当我尝试 bazel 构建 pip_package 来创建轮子时，我想我遇到了同样的问题，但是：

- 存储库列表非常长（手动安装每个），即使它们似乎主要是 PolymerElements 的一部分

有简单的解决方法吗？