简单的代码:

import tensorflow as tf

In [2]: matrix1=tf.constant([[3.,3.]])
In [3]: matrix2=tf.constant([[2.],[2.]])

with tf.Session() as sess:
  ...:   writer = tf.summary.FileWriter('./graph', sess.graph)
  ...:   result = sess.run(tf.matmul(matrix1, matrix2))
  ...:   writer.close()

ipython中使用!+命令可以直接运行terminal命令。

terminal输入: tensorboard --logdir graph/

跳出:Starting TensorBoard 54 at http://amax:6006

在浏览器输入地址加端口号并在graph中查看。

补充知识:tensorflow 利用保存的meta图文件生成log供tensorboard可视化 保存恢复模型

tensorboard可视化图:

import tensorflow as tf
g = tf.Graph() 
with g.as_default() as g: 
  tf.train.import_meta_graph('criteo_80.meta') 
 
with tf.Session(graph=g) as sess: 
  file_writer = tf.summary.FileWriter(logdir='./', graph=g)

保存恢复模型:

# 建模型
saver = tf.train.Saver()
 
with tf.Session() as sess:
  # 存模型,注意此处的model是文件名非路径
  saver.save(sess, "/tmp/model")
 
with tf.Session() as sess:
  # 恢复模型
  saver.restore(sess, "/tmp/model")
# 先恢复图
saver = tf.train.import_meta_graph("/tmp/model.meta")
 
with tf.Session() as sess:
  # 再恢复参数
  saver.restore(sess, "/tmp/model")

以上这篇TensorFlow保存TensorBoard图像操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

标签:
TensorFlow,TensorBoard

免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com

评论“TensorFlow保存TensorBoard图像操作”

暂无“TensorFlow保存TensorBoard图像操作”评论...

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。