tensorboard的安装及遇到的问题
1 安装tensorboard
打开anaconda prompt,键入下边的命令:
activate tensorflow
pip install tensorboard
当执行“activate tensorflow”时,报如下错误:

解决办法如下:
在anaconda prompt中输入conda create -n tensorflow python=3.7,后边这个python=3.7是因为我的anaconda里边的python环境是3.7版本的,如果你的是其他版本,改成对应的版本就可以。
建好环境以后,重新输入安装tensorboard的两条命令,就可以完成安装了!!!
2 测试tensorboard
按照第1节安装了tensorboard之后,我们怎么确定我们安装的tensorboard能用呢?我们需要测试一下,具体如下:
在spyder中输入以下简单的命令:
import tensorflow as tf
#定义一个简单的计算图,实现向量加法的操作。
input1=tf.constant([1.0,2.0,3.0],name="input1")
input2=tf.Variable(tf.random_uniform([3]),name="input2")
output=tf.add_n([input1,input2],name="add")
#生成一个写日志的writer,并将当前的TensorFlow计算图写入日志。TensorFlow早期的写日志是下边第一个写法
#后边的版本改成了第二种写法,有时候报tf没有分配summarywrite模块的错误,改用第二种写法,问题解决!
writer=tf.train.Summarywriter("./path/to/log",tf.get_default_graph())
writer = tf.summary.FileWriter("./path/to/log",tf.get_default_graph())
writer.close()
你会在对应的内存空间中找到日志文件,如下:

然后我们使用下边的命令可视化:
tensorboard --logdir /log
有几点需要说明:
(1)该命令不能在类似spyder的IDE中实现,应该在anaconda prompt或者dos窗口(win+r输入cmd,回车)下输入,否则会报如下错误:

(2)输入这个命令时,应在tensorflow环境中,可以在anaconda prompt或者dos窗口中使用“activate tensorflow”激活tensorflow环境;也可以打开“anaconda navigator”,在tensorflow环境中打开终端,操作见下图:

左键点击那个类似播放器的按钮之后,然后在出现的菜单栏里边点击“open terminal”,跟第一种方法执行的功能一样!!!
(3)我们需要先进入(cd)日志文件对应的文件夹,然后输入上边的命令。
(4)即使我们满足了以上三条,复制命令下边的网址到浏览器的时候也可能报如下的错:


这是因为我执行上述命令的时候,连着wifi,这个时候,只要你把wifi给断了,问题也就解决了!!!
最后附上我们的tensorboard可视化的图:

tensorboard的安装及遇到的问题的更多相关文章
- TensorBoard使用
关于TensorBoard的安装是在安装Tensorflow的过程中就已经默认安装好了,所以安装了Tensorflow就不需要再安装TensorBoard,直接使用就可以了. 具体的使用方法: 命令行 ...
- 启动Tensorboard时发生错误:class BeholderHook(tf.estimator.SessionRunHook): AttributeError: module 'tensorflow.python.estimator.estimator_lib' has no attribute 'SessionRunHook'
报错:class BeholderHook(tf.estimator.SessionRunHook):AttributeError: module 'tensorflow.python.estimat ...
- (最全)No dashboards are active for the current data set. 解决tensorboard无法启动和显示问题
按照网上的教程,我无法正常启动tensorboard,全过程没有报错,但是打开tensorboard显示No dashboards are active for the current data se ...
- CS20SI-tensorflow for research笔记: Lecture2
本文整理自知乎专栏深度炼丹,转载请征求原作者同意. 本文的全部代码都在原作者GitHub仓库github CS20SI是Stanford大学开设的基于Tensorflow的深度学习研究课程. Tens ...
- AI学习---TensorFlow框架介绍[图+会话+张量+变量OP+API]
TensorFlow的数据流图 TensorFlow的结构分析: 图 + 会话 TensorFlow = 构图阶段(数据与操作的执行步骤被描绘出一个图) + 执行图阶段(使用回话执行构建好的图中操作) ...
- Pytorch_Part5_迭代训练
VisualPytorch beta发布了! 功能概述:通过可视化拖拽网络层方式搭建模型,可选择不同数据集.损失函数.优化器生成可运行pytorch代码 扩展功能:1. 模型搭建支持模块的嵌套:2. ...
- tensorflow学习笔记----tensorflow在windows的安装及TensorBoard中mnist样例
前言: ...
- 解决Tensorflow源码安装的之后TensorBoard 无法使用的问题
作者 cnblog 修雨轩陈 我是按照 Tensorflow 下 https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3 ...
- 服务器上安装并使用tensorboard
需求: 在ubunu16.0的服务器上使用Pytorch内嵌的tensorboard 安装 pip install tensorflow pip install tensorboardX 如果嫌慢可以 ...
随机推荐
- C# 加密和解密文件
相关示例代码如下: using System; using System.IO; using System.Security; using System.Security.Cryptography; ...
- Docker资源
1.Docker入门教程 http://www.code123.cc/docs/docker-practice/repository/config.html 2.Docker入门教程 http://w ...
- 一些js和JQuery的方法
取值填值: js: get-- innerText, innerHTML, value; set-- innerText=?, innerHTML=?, value=?; JQuery: get-- ...
- 机器学习:SVM(SVM 思想解决回归问题)
一.SVM 思想在解决回归问题上的体现 回归问题的本质:找到一条直线或者曲线,最大程度的拟合数据点: 怎么定义拟合,是不同回归算法的关键差异: 线性回归定义拟合方式:让所有数据点到直线的 MSE 的值 ...
- CSS2实用知识点详解
CSS相关知识回顾目录 CSS2选择器 假选择器的使用 属性选择器的使用 边框设置 背景设置 字体设置 文本属性 a标签假选择器使用 列表设置 表格设置 鼠标设置 单位设置 隐藏显示 位置设置 清除浮 ...
- Solaris与Windows Active Directory集成
通过Solaris与Active Directory的集成,Solaris可以使用Windows 2003 R2/ 2008 Active Directory来进行用户登录验证.以下是简要配置过程. ...
- oracle connect by用法篇 (包括树遍历)之一
1.基本语法 select * from table [start with condition1] connect by [prior] id=parentid 一般用来查找存在父子关系的数据,也就 ...
- javascript——正则表达式(RegExp、String)(未完工)
在 javascript 中,正则表达式由两部分组成:正则表达式的匹配模式文本:匹配模式文本的修饰符: 修饰符: 修饰符 说明 i 忽略大小写 g 执行全局匹配 m 执行多行匹配 匹配模式文本包括以下 ...
- 基于aspectj的aop注解操作
- 恢复oracle的回收站的所有的表
使用sys as sysdba 进入到sqlplus的控制界面 sqlplus / as sysdba 执行相关的命令,自动生成一个脚本文件 spool d:/a.sql select 'flashb ...