tensorboard

    0热度

    1回答

    在tensorboard(TF V1.0.1)新嵌入的可视化能力,工作我有困难加上标签它显示的点。基本上,当我尝试添加这个元数据时,嵌入工具挂起并且从不加载。不幸的是,目前这个工具的文档很少。 我被训练250级监督分类(上像AlexNet),并使用嵌入工具,训练中我可以想像最终FC层(FC8)的罚款。 但是,只要我添加了一些代码来添加标签的情节,即通过类(而不是所有的蓝色)获得不同颜色的点(标签永

    1热度

    2回答

    这是我第一次使用张量板,因为我得到一个奇怪的错误为我的图。 这是我得到的,如果我打开'STEP'窗口。 但是,这是我得到的,如果我打开'相对'。 (打开'WALL'窗口时相似)。 除此之外,为了测试模型的性能,我每隔几个步骤应用交叉验证。这种交叉验证的准确性从约10%(随机猜测)下降到一段时间后的0%。我不确定我犯了什么错误,因为我不是张力流专家,但我怀疑我的问题是在图形构建中。代码如下所示: d

    0热度

    1回答

    我已经使用TensorflowOnSpark来训练启用张量板(store_true)的RNN模型。摘要事件已记录在HDFS目录中。 如何使用张量板可视化RNN事件(从hdfs目录)? 我试图使用hdfs日志目录启动tensorboard,但未能以消息“hdfs not supported”开头。 如果有人有任何想法,请让我知道。

    5热度

    2回答

    TensorBoard 1.1.0的图片历史。我想更准确地设置滑块的位置(在黑色图像的顶部),以便能够选择任何步骤。现在我只能选择例如在步骤2050或2810之间。这可能吗? 也许10位常量硬编码的地方?

    9热度

    3回答

    我正在考虑将我的代码库移动到tf.estimator.Estimator,但我找不到如何将它与tensorboard摘要结合使用的示例。 MWE: import numpy as np import tensorflow as tf tf.logging.set_verbosity(tf.logging.INFO) # Declare list of features, we only

    1热度

    1回答

    自定义汇总的protobuf我知道这是可以添加一些自定义从图形外面总结: summary = tf.Summary() summary.value.add(tag='myVar',simple_value=myVar) summary_writer.add_summary(summary, step) 不过,我想这样做有直方图。 当我看着summary_pb2.py似乎tf.Summary

    2热度

    1回答

    我目前正在构建我的两次作业,一次用于训练,一次用于验证variable_scope设置为reuse=True,以确保我只有一组训练重量。 为了虽然组织运营,我换的操作建筑物呼吁培训在 with tf.name_scope='train': ,同样做同样的验证。这让我轻松地创建一些总结挂钩,通过简单地调用 tf.summary.merge(tf.get_collection(tf.GraphKe

    2热度

    2回答

    我有一些tensorboard数据,我希望我的服务器让我看到数据。我不想将tensorboard数据文件发送到我的电脑,所以如果我可以远程访问他们,这将是理想的选择。如何做到这一点?我会假设服务器只是将其作为普通网站托管?什么是Tensorboard这个命令? 我知道,当地一个可以这样做: tensorboard --logdir=path/to/log-directory 然后再去浏览器来做

    2热度

    2回答

    我刚刚开始使用Keras并构建了一个Q-learning示例程序。我创建了一个张量板回调函数,并将其包含在对model.fit的调用中,但TensorBoard中唯一显示的是丢失和网络图的标量总结。有趣的是,如果我打开图中的密集图层,我会看到一个标有“bias_0”的小图标和一个标有“kernel_0”的小图标,但我没有看到它们出现在TensorBoard中的分布或直方图选项卡上,我在纯张量流中建

    1热度

    2回答

    我做了一个DNN回归模型来预测我们在数据表中没有的结果,但是我无法生成张量板。 此代码从https://deeplearning4j.org/linear-regression.html 以及香港大学金炯勋撰写的讲稿。 import tensorflow as tf import numpy as np tf.set_random_seed(777) #for reproduc