Tensorboard 在 Chrome 中显示空白页

Posted 2023-03-27

【中文标题】Tensorboard 在 Chrome 中显示空白页

【英文标题】：Tensorboard shows blank page in Chrome

【发布时间】：2020-06-26 19:32:27

【问题描述】：

我是 TensorFlow 和 Tensorboard 的新手，当我运行以下代码时，模型可以很好地训练并返回其输出，但是 Tensorboard 在浏览器中显示一个空白页面。

import pandas as pd
import os
import tensorflow as tf
from time import time
from tensorflow.python.keras.layers.core import Dense
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import LSTM
from tensorflow.python.keras.callbacks import TensorBoard
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
import numpy as np

model = Sequential()
model.add(LSTM(units=20, return_sequences=True, input_shape=(1, 7), activation='softsign'))
model.add(LSTM(units=50, return_sequences=True, activation='softsign'))
model.add(LSTM(units=50, return_sequences=True, activation='softsign'))
model.add(LSTM(units=50, return_sequences=True, activation='softsign'))
model.add(LSTM(units=20, activation='softsign'))
model.add(Dense(units=1, activation='sigmoid'))

model.compile(loss='mse', optimizer='Nadam',metrics=['mse'])

tensorboard = TensorBoard(log_dir="logs/fit")

result = model.fit(X_train, Y_train, batch_size=200, epochs=5, validation_split=0.1, verbose=1, callbacks=[tensorboard])

我在 PyCharm 终端中使用 tensorboard --logdir=logs/ 实例化 TensorBoard，并在 Chrome (http://localhost:6006/) 中打开 Tensorboard。但是页面是空白的并且没有显示输出（甚至没有 Tensorboard 的橙色标题）。

任何帮助将不胜感激！

谢谢。

【问题讨论】：

您使用的是哪个版本？我发现 2.1.0 是空白的，但 2.0.0 有效

我都试过了，但不幸的是它们都没有成功

你可以试试tensorboard --logdir='logs/' --port=6006

请你试试tensorboard -- logdir=logs/fit。如果这不能解决问题。共享整个代码怎么样？它可能会让事情变得更清楚。

使用 tensorboard --logdir logs 最终与 Tensorboard 2.0.0 一起工作！谢谢大家的帮助！

【参考方案1】：

为了社区的利益，我在这里发布答案

import pandas as pd
import os
import tensorflow as tf
from time import time
from tensorflow.python.keras.layers.core import Dense
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import LSTM
from tensorflow.python.keras.callbacks import TensorBoard
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
import numpy as np

model = Sequential()
model.add(LSTM(units=20, return_sequences=True, input_shape=(1, 7), activation='softsign'))
model.add(LSTM(units=50, return_sequences=True, activation='softsign'))
model.add(LSTM(units=50, return_sequences=True, activation='softsign'))
model.add(LSTM(units=50, return_sequences=True, activation='softsign'))
model.add(LSTM(units=20, activation='softsign'))
model.add(Dense(units=1, activation='sigmoid'))

model.compile(loss='mse', optimizer='Nadam',metrics=['mse'])

tensorboard = TensorBoard(log_dir="logs/fit")

result = model.fit(X_train, Y_train, batch_size=200, epochs=5, validation_split=0.1, verbose=1, callbacks=[tensorboard])

%load_ext tensorboard
%tensorboard --logdir logs