TensorFlow保存TensorBoard图像操作
更新时间：2020年06月23日 16:03:31 作者：YuFF
这篇文章主要介绍了TensorFlow保存TensorBoard图像操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
简单的代码：
import tensorflow as tf
In [2]: matrix1=tf.constant([[3.,3.]])
In [3]: matrix2=tf.constant([[2.],[2.]])
with tf.Session() as sess:
...: writer = tf.summary.FileWriter('./graph', sess.graph)
...: result = sess.run(tf.matmul(matrix1, matrix2))
...: writer.close()
ipython中使用！+命令可以直接运行terminal命令。
terminal输入： tensorboard --logdir graph/
跳出：Starting TensorBoard 54 at http://amax:6006
在浏览器输入地址加端口号并在graph中查看。
补充知识：tensorflow 利用保存的meta图文件生成log供tensorboard可视化 保存恢复模型
tensorboard可视化图：
import tensorflow as tf
g = tf.Graph()
with g.as_default() as g:
tf.train.import_meta_graph('criteo_80.meta')
with tf.Session(graph=g) as sess:
file_writer = tf.summary.FileWriter(logdir='./', graph=g)
保存恢复模型：
# 建模型 saver = tf.train.Saver() with tf.Session() as sess: # 存模型，注意此处的model是文件名非路径 saver.save(sess, "/tmp/model") with tf.Session() as sess: # 恢复模型 saver.restore(sess, "/tmp/model")
# 先恢复图
saver = tf.train.import_meta_graph("/tmp/model.meta")
with tf.Session() as sess:
# 再恢复参数
saver.restore(sess, "/tmp/model")
以上这篇TensorFlow保存TensorBoard图像操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了解读时间序列分析之ADF检验，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
在机器视觉中,有时需要对产品进行检测和计数,其难点无非是对于产品的图像分割,这篇文章主要给大家介绍了关于OpenCV实战记录之基于分水岭算法的图像分割的相关资料,需要的朋友可以参考下2023-02-02
今天小编就为大家分享一篇python numpy 显示图像阵列的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
Python人脸识别第三方库face_recognition接口说明文档
Python人脸识别第三方库face_recognition接口简单说明，及简单使用方法2019-05-05
这篇文章主要为大家详细介绍了python opencv摄像头的简单应用，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-06-06
这篇文章主要介绍了Python 实现使用空值进行赋值 None，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03
这篇文章主要介绍了Python绘制的二项分布概率图,涉及Python基于numpy、math的数值运算及matplotlib图形绘制相关操作技巧,需要的朋友可以参考下2018-08-08
这篇文章主要为大家详细介绍了Python中读取图片的实现方法，文中的示例代码简洁易懂，具有一定的参考价值，需要的小伙伴可以跟随小编一起学习一下2023-08-08
OpenCV每日函数之BarcodeDetector类条码检测器
OpenCV在V4.5.3版本的contrib包中提供了一个barcode::BarcodeDetector类，用于条形码的识别，这篇文章主要介绍了OpenCV每日函数 BarcodeDetector条码检测器,需要的朋友可以参考下2022-06-06
Pandas中一共有五个数据合并函数，分别为：concat、append、merge、join、combine，本文详细讲解这五个函数的使用方法，需要的可以参考一下2022-03-03
最新评论