tensorboard: error: unrecognized arguments: -logdi

levy9527 發布于2019-07-31 11:26 / 1638人閱讀

摘要：測試專用文件夾深度學習使用方法在上面這篇文章中提到了這種調度的方法。但是報了錯誤。提示中有，估計文章中用的是舊版本的方法我現在用的是，估計原作者用的是版本的改成測試專用文件夾就能成功運行了

D:Python測試專用文件夾logs>tensorboard -logdir=logs
usage: tensorboard [-h] [--helpfull] [--logdir PATH] [--host ADDR]
                   [--port PORT] [--purge_orphaned_data BOOL]
                   [--reload_interval SECONDS] [--db URI] [--db_import]
                   [--db_import_use_op] [--inspect] [--version_tb] [--tag TAG]
                   [--event_file PATH] [--path_prefix PATH]
                   [--window_title TEXT] [--max_reload_threads COUNT]
                   [--reload_task TYPE]
                   [--samples_per_plugin SAMPLES_PER_PLUGIN]
                   [--debugger_data_server_grpc_port PORT]
                   [--debugger_port PORT] [--master_tpu_unsecure_channel ADDR]
tensorboard: error: unrecognized arguments: -logdir=logs

tensorboard -logdir=logs

深度學習7：TensorBoard使用方法

在上面這篇文章中提到了這種調度tensorboard的方法。

但是報了tensorboard: error: unrecognized arguments: -logdir=logs錯誤。

提示中有 [--logdir PATH]，估計文章中用的是舊版本的方法（我現在用的是1.14，估計原作者用的是0.xx版本的）

改成

D:Python測試專用文件夾>tensorboard --logdir logs
TensorBoard 1.14.0 at http://LAPTOP-BBMBSKKI:6006/ (Press CTRL+C to quit)

就能成功運行了

GPU云服務器云服務器 TensorBoard unrecognized ubuntu unrecognized service Argumentative

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/45111.html

redux的combineReducers源碼,中文翻譯

摘要：是這個函數名翻譯為獲取未定義的錯誤信息對于返回一定要很明確的返回之前的這樣就可以忽略一個如果你想這個沒有返回值你可以返回而不是獲取與預期不符的的結構警告信息聲明結構初始化時返回如果傳給的是你一定要很明確地返回初始初始可能是如果你不想給這 import { ActionTypes } from ./createStore import isPlainObject from lodash/...

Ajian 2019-08-23 15:39 評論0 收藏0
測試格式

摘要：首先要安裝因為系統已經裝了所以接下來直接裝虛擬環境建立一個獨立于系統的虛擬環境不會跟系統環境混淆運行環境退出環境運行虛擬環境，在環境中安裝新建項目新建不用也可以進行接下來的操作官網安裝在虛擬環境中檢測是否正常工作在與同目錄下寫一個模擬 1. virtualvenv 2. django 3. uWSGI 4. nginx 1. virtualvenv virtualvenv in...

y1chuan 2019-07-25 14:39 評論0 收藏0
tensorflow可視化網絡

當我們構建一個深度學習模型時，了解模型的結構和參數是非常重要的。TensorFlow提供了一種可視化網絡的編程技術，它可以幫助我們更好地理解模型的結構和參數，從而更好地調整模型以獲得更好的性能。 TensorFlow提供了一個名為TensorBoard的工具，它可以可視化我們的模型。TensorBoard可以顯示訓練和驗證的損失曲線、模型的結構、參數分布等信息。在本文中，我們將介紹如何使用Ten...

LoftySoul 2023-04-26 02:54 評論0 收藏1890