我计划在中进行嵌入可视化 TensorBoard Projector 使用来自 Google Cloud DataLab 笔记本的准备好的矢量数据(不是由 TensorFlow 训练的数据)(而不是在网络浏览器中上传 TSV 文件)。
我已经尝试过 this tutorial 中提供的代码:
from tensorflow.contrib.tensorboard.plugins import projector
LOG_DIR='test_log'
# Create randomly initialized embedding weights which will be trained.
N = 10000 # Number of items (vocab size).
D = 200 # Dimensionality of the embedding.
embedding_var = tf.Variable(tf.random_normal([N,D]), name='word_embedding')
# Format: tensorflow/tensorboard/plugins/projector/projector_config.proto
config = projector.ProjectorConfig()
# You can add multiple embeddings. Here we add only one.
embedding = config.embeddings.add()
embedding.tensor_name = embedding_var.name
# Link this tensor to its metadata file (e.g. labels).
# embedding.metadata_path = os.path.join(LOG_DIR, 'metadata.tsv')
# Use the same LOG_DIR where you stored your checkpoint.
summary_writer = tf.summary.FileWriter(LOG_DIR)
# The next line writes a projector_config.pbtxt in the LOG_DIR. TensorBoard will
# read this file during startup.
projector.visualize_embeddings(summary_writer, config)
而 LOG_DIR 是与笔记本文件位于同一文件夹中的空文件夹。
由于嵌入可视化不需要元数据，因此我没有设置 embedding.metadata_path 。
然后我运行代码:
from google.datalab.ml import TensorBoard as tb
tb.start('test_log')
可以打开TensorBoard的新页面，但它说:
No checkpoint was found.
当我切换到投影仪 View 时。
但是如上面的代码所示，数据是随机创建的，不应该有任何检查点文件。
此外，在下一阶段，我需要使用自己的矢量数据进行嵌入可视化，这些数据未经 Tensorflow 训练，没有任何检查点文件。
在网络浏览器中使用投影仪时，只需要矢量数据的 TSV 文件，不需要任何检查点文件。
所以问题是:仅使用矢量数据集在 Google Cloud DataLab 的 TensorBoard Projector 中进行嵌入可视化的正确方法是什么？
谢谢。
最佳答案
查看该教程，您需要运行代码来定期保存检查点。这些应该是张量板上显示的信息的基础。
saver = tf.train.Saver()
saver.save(session, os.path.join(LOG_DIR, "model.ckpt"), step)
关于python - 无法打开 TensorBoard 以仅使用矢量数据从 Google Cloud DataLab 嵌入可视化，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55813661/