为什么即使在删除事件文件[Tensorflow]后仍然可以看到旧节点？

Question

我刚刚开始学习tensorflow，并在Jupyter-Notebook中编写了以下代码：

a = tf.placeholder(tf.float32,shape=[3,3],name='X')
b = tf.constant([[5,5,5],[2,3,4],[4,5,6]],tf.float32,name='Y')
c = tf.matmul(a,b)

with tf.Session() as sess:
    writer = tf.summary.FileWriter('./graphs',sess.graph)
    print (sess.run(c,feed_dict={a:[[2,3,4],[4,5,6],[6,7,8]]}))

writer.close()

第一次运行tensorboard，给出一个X，Y和mult节点，如下所示：

然而，当我再次编译我的代码(ctrl+enter)时，张量板现在复制了原始图形。

我尝试通过以下方法解决此问题（删除较旧的死节点）：
1.删​​除事件文件 2.删除包含相同代码的多个事件文件的整个目录 3.在tensorboard命令行调用之前运行fuser 6006/tcp -k。

但即使在那之后，当我运行tensorboard时，它会显示重复的副本。

唯一有效的解决方案是使用代码开头的tf.reset_default_graph()或shut the notebook down and restart it重置图表。

我的问题是：
1.为什么even after deleting the event files, the older dead nodes keep showing up on the tensorboard？是的，我甚至在每次尝试后都重新启动了Tensorboard，但重复仍然存在 2.除了上面列出的两个方法之外，有什么方法可以摆脱死节点？

Answer 1

您描述的节点并未死亡。它们仍然存在并且可以使用。

第一次运行代码时，创建的节点会添加到图表中。当您第二次执行相同的单元格时，会再次使用不同的名称添加它们。

如果您只是将.py文件中的代码复制两次，则可以实现相同的目的。

tf.reset_default_graph()的解决方案是正确的。重新启动笔记本电脑是因为删除了内存中的所有信息。与重新运行.py文件相同。

你删除偶数文件的东西不起作用，因为尽管如此，文件被删除，添加到内存中的图形的节点仍然存在。

Answer 2

我也遇到了显示重复图表的张量板问题。我尝试了一些措施，比如删除事件文件，删除包含事件文件的日志目录，但是tensorboard仍会记住上一次运行中的节点和图表，并将它们一个接一个地显示为重复副本。

我注意到每次运行代码时，tensorflow会创建相同的节点但名称不同，这意味着它仍然将旧节点保留在其内存中。在python执行窗口中看起来像这样：

首次运行后：

第二次和第三次运行代码后：

这解决了问题

1）在每次运行之前重新启动内核解决了问题

2）如上文所述，在代码开头添加tf.reset_default_graph()也解决了问题。