SummaryWriter不将摘要写入文件

时间:2016-03-28 04:19:45

标签: tensorflow tensorboard

我尝试使用tensorflow的SummaryWriter,但它似乎没有将事件,图像或直方图写入文件。然而,它确实将图形写入文件,(我可以在tensorboard中看到),至少表明tensorboard和SummaryWriter知道我的logdir在哪里。

这是我的(简化)代码,由省略的代码块分解:

sess = tf.Session()
W_conv1 = tf.Variable(tf.truncated_normal([5,5,3, hidden1_size], stddev = 0.01), name = 'W_conv1')
b_conv1 = tf.Variable(tf.constant(0.01, shape=[hidden1_size]), name = 'b_conv1')

#to visualize the weights of the first layer...
sum2 = tf.image_summary('first layer weights', tf.transpose(W_conv1, perm = [3, 0, 1, 2]), max_images = 16)

h_conv1 = tf.nn.relu(b_conv1 + conv(x, W_conv1))

#to visualize how many dead relu's we have
sum1 = tf.scalar_summary('conv1', tf.nn.zero_fraction(h_conv1))

....更多图层

softmax = {}
cross_entropy = tf.Variable(0.0)
softmax[0] = tf.nn.softmax(fc_out)
cross_entropy += -tf.reduce_sum(y_*tf.log(softmax[0]))

.... Reccurrent Part

sum3 = tf.histogram_summary('cross entropy', cross_entropy)


lr = tf.Variable(tf.constant(1e-3))
lr_change = tf.assign(lr, tf.mul(.1, lr))

train_step = tf.train.AdamOptimizer(lr).minimize(cross_entropy)

merged=tf.merge_all_summaries()
writer = tf.train.SummaryWriter("./logs", sess.graph_def, flush_secs = 5)

sess.run(tf.initialize_all_variables())

....然后是训练代码:

for i in range(train_iter):
    batch_i = np.random.randint(0, len(X_t), [batch_size])
    X_batch = X_t[batch_i]
    y_batch = y_t[batch_i]

    summary_str, _, loss = sess.run([merged, train_step, cross_entropy], feed_dict = {x: X_batch, y_: y_batch}) 

    writer.add_summary(summary_str, i)
    writer.flush()
    saver.save(sess, 'RNN_model.ckpt', global_step = i)

然后当我加载tensorboard,并查看事件选项卡时,我看到以下错误:

  

未找到标量摘要标记。

     

也许数据尚未加载,或者您可能需要在图表中添加一些> tf.scalar_summary操作,并使用> tf.training.summary_io.SummaryWriter序列化它们。

我添加了writer.flush()语句,因为在github上搜索两个堆栈交换后,这是一个常见的建议。问题没有解决。

在我的日志文件中,只写入graph_def,在训练期间不会写入其他文件。

我使用tensorflow' 0.7.1'在Mac 0SX el-capitan上。

谢谢!

1 个答案:

答案 0 :(得分:0)

我知道这是一篇旧帖子,但我在运行TensorFlow 1.1.0的虚拟环境中遇到了同样的事情。运行版本1.2.1我似乎没有这个问题。您可以在命令行执行以下命令以确定您正在运行的TensorFlow版本:

python -c "import tensorflow as tf; print(tf.__version__)"

希望有人帮助那里的人!

干杯,

-Maashu