是否可以在没有训练操作的情况下可视化张量流图?
Posted
技术标签:
【中文标题】是否可以在没有训练操作的情况下可视化张量流图?【英文标题】:Is it possible to visualize a tensorflow graph without a training op? 【发布时间】:2018-07-01 15:28:10 【问题描述】:我知道如何在使用 tensorboard 训练后可视化张量流图。现在,是否可以只可视化图形的前部,即没有定义训练算子?
我问这个的原因是我收到了这个错误:
No gradients provided for any variable, check your graph for ops that do not support gradients, between variables [ ... list of model variables here ... ] and loss Tensor("Mean:0", dtype=float32).
我想检查图表以找出梯度张量流(双关语)被破坏的地方。
【问题讨论】:
这看起来像 Tensorflow v1。 TF 2.0(不是 Tensorboard)中是否有类似的东西? 【参考方案1】:是的,您可以可视化任何图表。试试这个简单的脚本:
import tensorflow as tf
a = tf.add(1, 2, name="Add_these_numbers")
b = tf.multiply(a, 3)
c = tf.add(4, 5, name="And_These_ones")
d = tf.multiply(c, 6, name="Multiply_these_numbers")
e = tf.multiply(4, 5, name="B_add")
f = tf.div(c, 6, name="B_mul")
g = tf.add(b, d)
h = tf.multiply(g, f)
with tf.Session() as sess:
writer = tf.summary.FileWriter("output", sess.graph)
print(sess.run(h))
writer.close()
然后运行...
tensorboard --logdir=output
...你会看到:
因此,您可以简单地创建一个会话,将图表写入FileWriter
,而无需执行任何其他操作。
【讨论】:
我都做了。还是一样的信息。 @马克西姆以上是关于是否可以在没有训练操作的情况下可视化张量流图?的主要内容,如果未能解决你的问题,请参考以下文章
pytorch 可以优化顺序操作(如张量流图或 JAX 的 jit)吗?
张量流图模式下 tfp.distributions.Categorical.log_prob 的解决方法/备用值