Les étapes pour installer Tensorflow sont les suivantes: https://www.tensorflow.org/install/
Par exemple, sous Linux pour CPU uniquement (sans GPU), vous devez taper cette commande:
pip install -U pip
pip install tensorflow
Puisque TensorFlow dépend de TensorBoard , l'exécution de la commande suivante devrait ne pas être nécessaire:
pip install tensorboard
Essayez de taper which tensorboard dans votre terminal. Il devrait exister si vous installé avec pip comme indiqué dans le fichier README de tensorboard (bien que la documentation ne vous indique pas que vous pouvez maintenant lancer tensorboard sans rien faire autre).
Vous devez lui donner un répertoire de journal. Si vous êtes dans le répertoire où vous avez enregistré votre graphique, vous pouvez le lancer depuis votre terminal avec quelque chose comme:
tensorboard --logdir .
ou plus généralement:
tensorboard --logdir /path/to/log/directory
pour tout répertoire de journal.
Ensuite, ouvrez votre navigateur Web préféré et tapez localhost:6006 pour vous connecter.
Cela devrait vous aider à démarrer. En ce qui concerne la journalisation de tout élément utile dans votre processus de formation, vous devez utiliser API de synthèse TensorFlow . Vous pouvez également utiliser le rappel TensorBoard de Keras .
Si votre installation Tensorflow se trouve ici:
/usr/local/lib/python2.7/dist-packages/tensorflow
alors la commande python pour lancer Tensorboard est la suivante:
$ python /usr/local/lib/python2.7/dist-packages/tensorflow/tensorboard/tensorboard.py --logdir=/home/user/Documents/.../logdir
L'installation depuis pip vous permet d'utiliser:
$ tensorboard --logdir=/home/user/Documents/.../logdir
TensorBoard n'est pas un composant séparé. TensorBoard est livré avec TensorFlow.
Il peut être utile de faire un alias pour cela.
Installez et trouvez votre emplacement de tensorboard:
pip install tensorboard
pip show tensorboard
Ajoutez l'alias suivant dans .bashrc:
alias tensorboard='python pathShownByPip/tensorboard/main.py'
Ouvrez un autre terminal ou exécutez exec bash.
Pour les utilisateurs Windows, insérez cd dans pathShownByPip\tensorboard et exécutez python main.py à partir de cet emplacement.
Pour Python 3.x, utilisez pip3 au lieu de pip et n'oubliez pas d'utiliser python3 dans l'alias.
pip install tensorflow.tensorboard # install tensorboard
pip show tensorflow.tensorboard
# Location: c:\users\<name>\appdata\roaming\python\python35\site-packages
# now just run tensorboard as:
python c:\users\<name>\appdata\roaming\python\python35\site-packages\tensorboard\main.py --logdir=<logidr>
Le package pip que vous recherchez est tensorflow-tensorboard développé par Google.
Si vous avez installé TensorFlow à l'aide de pip, l'emplacement de TensorBoard peut être récupéré en exécutant la commande which tensorboard sur le terminal. Vous pouvez ensuite éditer le fichier TensorBoard, si nécessaire.
Ajouter ceci juste pour compléter la question (certaines questions peuvent être fermées comme une copie de celle-ci).
J'utilise généralement le mode utilisateur pour pip ie. pip install --user même si les instructions supposent le mode racine. De cette façon, mon installation de tensorboard était dans ~/.local/bin/tensorboard, et ce n'était pas sur mon chemin (ce qui ne devrait pas être idéal non plus). Je n'ai donc pas pu y accéder.
Dans ce cas, en cours d'exécution
Sudo ln -s ~/.local/bin/tensorboard /usr/bin
devrait le réparer.
Si vous utilisez la distribution anaconda de Python, faites simplement:
$❯ conda install -c conda-forge tensorboard
ou
$❯ conda install -c anaconda tensorboard
Vous pouvez également consulter différentes versions en effectuant une recherche dans le dépôt de packages en:
$❯ anaconda search -t conda tensorboard
qui listerait les canaux et les versions correspondantes, le système d’exploitation supporté, Python versions, etc.,
Il est préférable de ne pas mélanger les environnements virtuels ni d’effectuer l’installation sur le répertoire racine. Les étapes que j'ai suivies pour une installation sans problème sont décrites ci-dessous. J'ai utilisé conda pour installer toutes mes dépendances au lieu de pip. Je réponds avec des détails supplémentaires, car lorsque j'ai essayé d'installer un tableau de tenseurs et un flux de tenseurs sur mon env de racine, tout s'est gâté.
Créer un env virtuel
conda create --name my_env python=3.6Activer l'environnement virtuel
source activate my_envInstaller les modules de base requis
conda install pandasconda install tensorflowInstaller une planche de tenseurs
conda install -c condo-forge tensor board
J'espère que ça t'as aidé