简单的代码：

import tensorflow as tfIn [2]: matrix1=tf.constant([[3.,3.]])In [3]: matrix2=tf.constant([[2.],[2.]])with tf.Session() as sess: ...: writer = tf.summary.FileWriter('./graph', sess.graph) ...: result = sess.run(tf.matmul(matrix1, matrix2)) ...: writer.close()

ipython中使用！+命令可以直接运行terminal命令。

terminal输入： tensorboard --logdir graph/

跳出：Starting TensorBoard 54 at http://amax:6006

在浏览器输入地址加端口号并在graph中查看。

补充知识：tensorflow 利用保存的meta图文件生成log供tensorboard可视化 保存恢复模型

tensorboard可视化图：

import tensorflow as tfg = tf.Graph() with g.as_default() as g: tf.train.import_meta_graph('criteo_80.meta') with tf.Session(graph=g) as sess: file_writer = tf.summary.FileWriter(logdir='./', graph=g)

保存恢复模型：

# 建模型saver = tf.train.Saver() with tf.Session() as sess: # 存模型，注意此处的model是文件名非路径 saver.save(sess, "/tmp/model") with tf.Session() as sess: # 恢复模型 saver.restore(sess, "/tmp/model")# 先恢复图saver = tf.train.import_meta_graph("/tmp/model.meta") with tf.Session() as sess: # 再恢复参数 saver.restore(sess, "/tmp/model")

以上这篇TensorFlow保存TensorBoard图像操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。