当前位置:  开发笔记 > 编程语言 > 正文

TensorFlow保存TensorBoard图像操作

这篇文章主要介绍了TensorFlow保存TensorBoard图像操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

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。

推荐阅读
ar_wen2402851455
这个屌丝很懒,什么也没留下!
DevBox开发工具箱 | 专业的在线开发工具网站    京公网安备 11010802040832号  |  京ICP备19059560号-6
Copyright © 1998 - 2020 DevBox.CN. All Rights Reserved devBox.cn 开发工具箱 版权所有