保存Tensorflow图以便在Tensorboard中查看而无需汇总操作

Question

我有一个相当复杂的Tensorflow图，我想为优化目的进行可视化。是否有一个我可以调用的函数，只需保存图形以便在Tensorboard中查看而无需注释变量？

我试过这个：

merged = tf.merge_all_summaries()
writer = tf.train.SummaryWriter("/Users/Name/Desktop/tf_logs", session.graph_def)

但没有产生任何产出。这是使用0.6轮。

这似乎是相关的：Graph visualisaton is not showing in tensorboard for seq2seq model

Answer 1

为了提高效率，tf.train.SummaryWriter以异步方式记录到磁盘。要确保图形显示在日志中，必须在程序退出之前在编写器上调用close()或flush()。

Answer 2

您也可以将图形转储为GraphDef protobuf并直接在TensorBoard中加载。您可以在不启动会话或运行模型的情况下执行此操作。

## ... create graph ...
>>> graph_def = tf.get_default_graph().as_graph_def()
>>> graphpb_txt = str(graph_def)
>>> with open('graphpb.txt', 'w') as f: f.write(graphpb_txt)

这将输出一个类似于此的文件，具体取决于您的模型的具体情况。

node {
  name: "W"
  op: "Const"
  attr {
    key: "dtype"
    value {
      type: DT_FLOAT
    }
  }
...
version 1

在TensorBoard中，您可以使用“上传”按钮从磁盘加载它。

Answer 3

这对我有用：

graph = tf.Graph()
with graph.as_default():
    ... build graph (without annotations) ...
writer = tf.summary.FileWriter(logdir='logdir', graph=graph)
writer.flush()

使用“--logdir = logdir /”启动tensorboard时会自动加载图形。无需“上传”按钮。

Answer 4

为了清楚起见，这就是我使用.flush()方法并解决问题的方法：

用以下内容初始化编写器：

writer = tf.train.SummaryWriter("/home/rob/Dropbox/ConvNets/tf/log_tb", sess.graph_def)

并使用作者：

writer.add_summary(summary_str, i)
    writer.flush()

Answer 5

除此之外，没有什么对我有用

# Helper for Converting Frozen graph from Disk to TF serving compatible Model
def get_graph_def_from_file(graph_filepath):
  tf.reset_default_graph()
  with ops.Graph().as_default():
    with tf.gfile.GFile(graph_filepath, 'rb') as f:
      graph_def = tf.GraphDef()
      graph_def.ParseFromString(f.read())
      return graph_def

#let us get the output nodes from the graph
graph_def =get_graph_def_from_file('/coding/ssd_inception_v2_coco_2018_01_28/frozen_inference_graph.pb')

with tf.Session(graph=tf.Graph()) as session:
    tf.import_graph_def(graph_def, name='')
    writer = tf.summary.FileWriter(logdir='/coding/log_tb/1', graph=session.graph)
    writer.flush()

然后使用TB工作

#ssh -L 6006:127.0.0.1:6006 root@<remoteip> # for tensor board - in your local machine type 127.0.0.1
!tensorboard --logdir '/coding/log_tb/1'