Tensorboard 的启动

1，简介

TensorBoard是Tensorflow的可视化工具，它可以通过Tensorflow程序运行过程中输出的日志文件直观的看到Tensorflow程序的运行状态。TensorBoard和Tensorflow程序跑在不同的进程中，TensorBoard会自动读取最新的TensorFlow日志文件，并呈现当前TensorFlow程序运行的最新状态。

2，本地端启动Tensorboard

当我们进行深度学习的过程中，数据集不是很大的情况下，都会在本地PC上完成模型的训练，想要用可视化工具直观的看一下训练过程的状态，就要在本地启动Tensorboard。下面就介绍一下如何在本地启动Tensorboard.

本人安装Tensorboard是在Anaconda下安装的所以以此为例介绍

第一步：首先打开Anaconda Prompt

运行tensorflow电脑卡住了 启动tensorflow_深度学习


第二步：启动Tensorflow ，输入命令： conda activate tensorflow

运行tensorflow电脑卡住了 启动tensorflow_服务器上本地打开Tensorboard_02


第三步：再输入：tensorboard --logdir =/path/your/log/directory/

/path/your/log/directory/就是你存放log文件的位置。

运行tensorflow电脑卡住了 启动tensorflow_服务器上本地打开Tensorboard_03

第四步：在本地浏览器输入localhost:6006即可打开Tensorboard面板。

运行tensorflow电脑卡住了 启动tensorflow_深度学习_04


上述就是在本地打开Tensorboard的方法

3，打开远程服务器的Tensorboard

有时候在数据集非常大的情况下，在个人的pc上进行训练会很慢很慢，这个时候我们就会把数据集以及要训练的模型放到服务器上进行，可以减少很多的时间。下面介绍如何在本地打开远程服务器上的Tensorboard。

由于想要在本地打开服务器端的端口，我们就需要建立一个通道，把服务器上的端口映射到本地，这里给大家推荐一款SSH的客户端MobaXterm，相信很多人也用过。

运行tensorflow电脑卡住了 启动tensorflow_Tensorflow_05


第一步：点击New session:

运行tensorflow电脑卡住了 启动tensorflow_Tensorflow_06


选中左上角的SSH，输入Remote host: 和username ，点击OK 输入密码即可登录服务器。

登录后，如下图：

运行tensorflow电脑卡住了 启动tensorflow_Tensorboard_07


第二部：打开左侧的菜单栏里面的Tools，选中MobaSSHTunnel

运行tensorflow电脑卡住了 启动tensorflow_运行tensorflow电脑卡住了_08


选择新建：New SSh tunnel

运行tensorflow电脑卡住了 启动tensorflow_Tensorflow_09


按照图中的填写，16006 是本地的端口号，6006是服务器的端口号，填写服务器的地址，用户名，SSH port(一般是22)，然后点击save即可。

运行tensorflow电脑卡住了 启动tensorflow_Tensorboard_10


点击Start 按钮，这样我们就建立的本地和服务器之间的端口映射。

运行tensorflow电脑卡住了 启动tensorflow_运行tensorflow电脑卡住了_11


最后在服务器端启动Tensorboard ，和在本地启动的方法一致：

tensorboard --logdir =/path/your/log/directory/

然后在浏览器输入127.0.0.1:16006，即可打开Tensorboard面板。

以上分别介绍了Tensorboard在本地和服务器打开的方法。