tensorboard: error: unrecognized arguments: -logdi

levy9527 发布于2019-07-31 11:26 / 1372人阅读

摘要：测试专用文件夹深度学习使用方法在上面这篇文章中提到了这种调度的方法。但是报了错误。提示中有，估计文章中用的是旧版本的方法我现在用的是，估计原作者用的是版本的改成测试专用文件夹就能成功运行了

D:Python测试专用文件夹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

深度学习7：TensorBoard使用方法

在上面这篇文章中提到了这种调度tensorboard的方法。

但是报了tensorboard: error: unrecognized arguments: -logdir=logs错误。

提示中有 [--logdir PATH]，估计文章中用的是旧版本的方法（我现在用的是1.14，估计原作者用的是0.xx版本的）

改成

D:Python测试专用文件夹>tensorboard --logdir logs
TensorBoard 1.14.0 at http://LAPTOP-BBMBSKKI:6006/ (Press CTRL+C to quit)

就能成功运行了

私有云服务器托管 TensorBoard unrecognized ubuntu unrecognized service Argumentative

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/45111.html

redux的combineReducers源码,中文翻译

摘要：是这个函数名翻译为获取未定义的错误信息对于返回一定要很明确的返回之前的这样就可以忽略一个如果你想这个没有返回值你可以返回而不是获取与预期不符的的结构警告信息声明结构初始化时返回如果传给的是你一定要很明确地返回初始初始可能是如果你不想给这 import { ActionTypes } from ./createStore import isPlainObject from lodash/...

Ajian 2019-08-23 15:39 评论0 收藏0
测试格式

摘要：首先要安装因为系统已经装了所以接下来直接装虚拟环境建立一个独立于系统的虚拟环境不会跟系统环境混淆运行环境退出环境运行虚拟环境，在环境中安装新建项目新建不用也可以进行接下来的操作官网安装在虚拟环境中检测是否正常工作在与同目录下写一个模拟 1. virtualvenv 2. django 3. uWSGI 4. nginx 1. virtualvenv virtualvenv in...

y1chuan 2019-07-25 14:39 评论0 收藏0
tensorflow可视化网络

当我们构建一个深度学习模型时，了解模型的结构和参数是非常重要的。TensorFlow提供了一种可视化网络的编程技术，它可以帮助我们更好地理解模型的结构和参数，从而更好地调整模型以获得更好的性能。 TensorFlow提供了一个名为TensorBoard的工具，它可以可视化我们的模型。TensorBoard可以显示训练和验证的损失曲线、模型的结构、参数分布等信息。在本文中，我们将介绍如何使用Ten...

LoftySoul 2023-04-26 02:54 评论0 收藏1890