Tensorboard Metadaten Parsen oder Bilder Abrufen Sprite dauert ewig

Question

lief ich diesen Code-Schnipsel:

import os 
import tensorflow as tf 
from tensorflow.examples.tutorials.mnist import input_data 
from tensorflow.contrib.tensorboard.plugins import projector 

LOG_DIR = 'logs' 
metadata = os.path.join(LOG_DIR, 'metadata.tsv') 

mnist = input_data.read_data_sets('MNIST_data') 
input_1 = mnist.train.next_batch(10) 
images = tf.Variable(input_1[0], name='images') 

with open(metadata, 'w') as metadata_file: 
    for row in input_1[1]: 
     metadata_file.write('%d\n' % row) 

with tf.Session() as sess: 
    saver = tf.train.Saver([images]) 

    sess.run(images.initializer) 
    saver.save(sess, os.path.join(LOG_DIR, 'images.ckpt')) 

    config = projector.ProjectorConfig() 
    # One can add multiple embeddings. 
    # Link this tensor to its metadata file (e.g. labels). 
    embedding = config.embeddings.add() 
    embedding.tensor_name = images.name 

    embedding.metadata_path = metadata 
    # Saves a config file that TensorBoard will read during startup. 
    projector.visualize_embeddings(tf.summary.FileWriter(LOG_DIR), config) 

Und danach, ich tensorboard Tab Einbettung geöffnet und es zeigte Metadaten Parsen. Es wurde jedoch endlos weiter geladen. Ich habe einen anderen Code ausprobiert und in diesem Fall wurde er immer wieder geladen, um Image zu holen. Stimmt etwas nicht mit meinem Tensorboard?

Answer 1

Das Problem ist, dass TensorBoard nicht Ihre Metadatendatei finden konnte, weil es für die Metadatendatei relativ zu dem Verzeichnis sucht, die Sie mit Ihrem ‚--logdir‘ Parameter des ‚tensorboard‘ angegeben haben Befehl .

Wenn Sie also TensorBoard mit 'tensorboard --logdir logs' öffnen, sucht es nach der Metadatendatei in 'logs/logs/metadata.tsv'.

Eine mögliche Lösung für Ihren Code ist diese Linie

embedding.metadata_path = metadata 

mit diesem zu ersetzen:

embedding.metadata_path = 'metadata.tsv' 

Im Allgemeinen, um Debug-Fehler TensorBoard Sie bei der Antwort suchen haben, die Fehlermeldungen in Ihrer Browser-Konsole beim Blick auf TensorBoard.