TensorFlow保存TensorBoard图像操作
简单的代码:
importtensorflowastf In[2]:matrix1=tf.constant([[3.,3.]]) In[3]:matrix2=tf.constant([[2.],[2.]]) withtf.Session()assess: ...: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--logdirgraph/
跳出:StartingTensorBoard54athttp://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:
importtensorflowastf g=tf.Graph() withg.as_default()asg: tf.train.import_meta_graph('criteo_80.meta') withtf.Session(graph=g)assess: file_writer=tf.summary.FileWriter(logdir='./',graph=g)
保存恢复模型:
#建模型 saver=tf.train.Saver() withtf.Session()assess: #存模型,注意此处的model是文件名非路径 saver.save(sess,"/tmp/model") withtf.Session()assess: #恢复模型 saver.restore(sess,"/tmp/model")
#先恢复图 saver=tf.train.import_meta_graph("/tmp/model.meta") withtf.Session()assess: #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毛票票。