我使用的环境是tensorflow2.0,python3.6
1、首先让我们创建一个计算图
class DemoModule(tf.Module):
def __init__(self,init_value = tf.constant(0.0), name=None):
super(DemoModule, self).__init__(name=name)
with self.name_scope:
self.x = tf.Variable(init_value,dtype=tf.float32, trainable=True)
@tf.function(input_signature=[tf.TensorSpec(shape = [], dtype = tf.float32)])
def add_print(self, a):
self.x.assign_add(a)
tf.print(self.x)
return self.x
2、然后创建日志,开启追踪,执行autograph,并将计算图写入日志
import datetime
#创建日志
stamp = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
logdir = r"C:UserschujieDesktop%s" % stamp
writer = tf.summary.create_file_writer(logdir)
#开启追踪
tf.summary.trace_on(graph=True, profiler=True)
#执行计算图
demo = DemoModule(init_value=tf.constant(5.0))
result = demo.add_print(tf.constant(5.0))
#将计算图信息写入日志
with writer.as_default():
tf.summary.trace_export(
name="demomodule",
step = 0,
profiler_outdir=logdir)
3.启动 tensorboard在jupyter中的魔法命令
%reload_ext tensorboard
4、在jupyter notebook上展示
from tensorboard import notebook
notebook.list()
notebook.start("--logdir ./data/demomodule/")
最后
以上就是明理电源最近收集整理的关于如何在jupyter上启动tensorboard的全部内容,更多相关如何在jupyter上启动tensorboard内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复