这里先记录流程,暂时不管怎么编程,假设已经有了如下代码,可执行的。
# encoding:utf-8 import tensorflow as tf print('version:', tf.__version__) foo = tf.Variable(3, name='foo') bar = tf.Variable(2, name='bar') result = tf.add(foo, bar, name='add') # 初始化变量 init = tf.initialize_all_variables() # 启动图 (graph) sess = tf.Session() sess.run(init) res = sess.run(result) print('result:', res) train_writer = tf.train.SummaryWriter('log2', sess.graph)
可视化步骤
1.运行该代码
// 此时在log2中已经生成文件
2.启动可视化工具
a. 找到tensorflow下的tensorboard.py文件,运行该文件,python tensorboard.py --logdir=...../log2/ 注意这里的路径和代码里的路径要一致
b. 也可以其他方法启动
3. 在浏览器中 访问 localhost:6006,点击graphs,即可看到
4. 注意每运行一次代码就要重启这个工具
其他方式 暂时没试验成功
tensorBoard 不需要额外的安装,在tensorflow安装完成时,TensorBoard会被自动安装
port 指定端口
tensorboard --host=10.10.101.2 --port=6099 --logdir="my_graph"