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。