Question

我正在尝试运行一个简单的Keras脚本，并将Google Colab与TensorBoard结合使用。这是我的代码：

import tensorflow as tf
import tensorflow.keras as keras
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.applications.mobilenet import MobileNet
from tensorboardcolab import TensorBoardColab, TensorBoardColabCallback

# Settings
num_classes = 10
batch_size = 16
epochs = 1

# Data setup
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

# Select model
model = MobileNet(weights=None, input_shape=x_train.shape[1:], classes=num_classes)

# Select loss, optimizer, metric
model.compile(loss='categorical_crossentropy',
                            optimizer=tf.train.AdamOptimizer(0.001),
                            metrics=['accuracy'])    
# Train
tbc=TensorBoardColab()
model.fit(x_train, y_train,
                    batch_size=batch_size,
                    epochs=epochs,
                    verbose=1,
                    validation_data=(x_test, y_test), 
                    callbacks=[TensorBoardColabCallback(tbc)])

这是我看到的将TensorBoard与Colab结合使用的建议，例如：Can I use Tensorboard with Google Colab?

但是，添加回调时出现错误：

FailedPreconditionError：读取资源变量时出错来自Container：localhost的conv_dw_8_2 / depthwise_kernel。这可能表示该变量未初始化。找不到：资源本地主机/ conv_dw_8_2 / depthwise_kernel / N10tensorflow3VarE不存在。 [[节点：conv_dw_8_2 / depthwise / ReadVariableOp = ReadVariableOpdtype = DT_FLOAT， _device =“ / job：localhost /副本：0 / task：0 / device：GPU：0”]] [[节点：loss_2 / mul / _147 = _Recvclient_terminated = false， recv_device =“ / job：localhost /副本：0 / task：0 / device：CPU：0”， send_device =“ / job：localhost /副本：0 / task：0 / device：GPU：0”， send_device_incarnation = 1，tensor_name =“ edge_6752_loss_2 / mul”， tensor_type = DT_FLOAT， _device =“ / job：localhost /副本：0 /任务：0 /设备：CPU：0”]]

有人知道我在做什么错吗？如果我可以使它在Colab上运行TensorBoard，这似乎是一种非常有用的方法。

Answer 1

这是由于Keras版本冲突造成的。导入Keras API的Tensorboardcolab实现时，keras library使用完整的tf.keras。因此，当您拟合模型时，最终会使用两种不同版本的keras。

您有几种选择：

使用Keras libary并更改您的导入

import tensorflow as tf
import keras
from keras.datasets import cifar10
from keras.applications.mobilenet import MobileNet
from tensorboardcolab import TensorBoardColab, TensorBoardColabCallback

尽管代码在这些更改下运行良好，但是您可以考虑使用Keras's version of the Adam optimizer，因此您不再需要显式导入tensorflow。

model.compile(loss='categorical_crossentropy', 
                    optimizer=keras.optimizers.Adam(lr=0.001), 
                    metrics=['accuracy'])`

使用tf.keras并修补TensorBoardColab

如果您修补callbacks.py和core.py并在那里修复导入，您的代码将运行良好：

from keras.callbacks import TensorBoard from tensorflow.keras.callbacks import TensorBoard

您也可以在进行这些更改的地方使用this fork。

Colab + Keras + TensorBoard失败前提条件错误

1 个答案:

使用Keras libary并更改您的导入

使用tf.keras并修补TensorBoardColab