保存 Tensorflow 图以在 Tensorboard 中查看，无需汇总操作答案

【问题标题】：Save Tensorflow graph for viewing in Tensorboard without summary operations保存 Tensorflow 图以在 Tensorboard 中查看，无需汇总操作
【发布时间】：2019-04-14 23:26:57
【问题描述】：

我有一个相当复杂的 Tensorflow 图，我想将其可视化以进行优化。有没有我可以调用的函数，它可以简单地保存图形以便在 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)

但是没有输出。这是使用 0.6 的轮子。

【问题讨论】：

标签： tensorflow tensorboard

【解决方案1】：

为了提高效率，tf.train.SummaryWriter 异步记录到磁盘。为确保图表出现在日志中，您必须在程序退出前调用编写器上的close() 或flush()。

【讨论】：

tf.summary.FileWriter 最新版本的 TF

【解决方案2】：

您还可以将图形转储为 GraphDef protobuf 并将其直接加载到 TensorBoard 中。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)

这将输出一个看起来像这样的文件，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。

【讨论】：

这个“上传”按钮在哪里？我没有看到任何
没有Upload按钮
我是这里的新手。那么，怎么上传呢？谢谢！
如果我运行 tensorboard --logdir ./ 没有摘要输出，“图表”选项卡的左侧没有面板。
我想你的意思是：>>> 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) 此评论适用于 tensorflow 新用户。

【解决方案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/”启动张量板时会自动加载图表。不需要“上传”按钮。

【讨论】：

感谢 y g（用户 5656195）修复错字“FileWrite”而不是“FileWriter”。 3 个审稿人拒绝了这个编辑，说“打算向作者致辞”（大概是因为 y g 在编辑解释的末尾放了一个问号）。疯了。
tf.train.SummaryWriter 已弃用，改为使用 tf.summary.FileWriter。

【解决方案4】：

为了清楚起见，这就是我使用.flush() 方法并解决问题的方式：

使用以下命令初始化编写器：

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

并使用编写器：

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

【讨论】：

【解决方案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'

【讨论】：

我很好奇为什么我们需要session？我们可以通过调用tf.compat.v1.get_default_graph() 来代替吗？