[英]Including TensorBoard as a callback in Keras model fitting causes a FailedPreconditionError
[英]Colab+Keras+TensorBoard FailedPreconditionError
我正在尝试运行一个简单的 Keras 脚本并将 Google Colab 与 TensorBoard 结合使用。 这是我的代码:
import tensorflow as tf
import tensorflow.keras as keras
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.applications.mobilenet import MobileNet
from tensorboardcolab import TensorBoardColab, TensorBoardColabCallback
# Settings
num_classes = 10
batch_size = 16
epochs = 1
# Data setup
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)
# Select model
model = MobileNet(weights=None, input_shape=x_train.shape[1:], classes=num_classes)
# Select loss, optimizer, metric
model.compile(loss='categorical_crossentropy',
optimizer=tf.train.AdamOptimizer(0.001),
metrics=['accuracy'])
# Train
tbc=TensorBoardColab()
model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test),
callbacks=[TensorBoardColabCallback(tbc)])
这是我看到的将 TensorBoard 与 Colab 结合使用的建议,如下所述: Can I use Tensorboard with Google Colab?
但是,在添加回调时出现错误:
FailedPreconditionError:从容器读取资源变量 conv_dw_8_2/depthwise_kernel 时出错:localhost。 这可能意味着该变量未初始化。 未找到:资源 localhost/conv_dw_8_2/depthwise_kernel/N10tensorflow3VarE 不存在。 [[节点:conv_dw_8_2/depthwise/ReadVariableOp = ReadVariableOpdtype=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:GPU:0"]] [[节点: loss_2/mul/_147 = _Recvclient_terminated= false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation= 1、tensor_name="edge_6752_loss_2/mul", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]]
有谁知道我做错了什么? 如果可以的话,这似乎是在 Colab 上运行 TensorBoard 的一种非常有用的方法。
这是由 Keras 版本冲突引起的。 在您导入Keras API 的tf.keras实现时, Tensorboardcolab使用完整的keras 库。 因此,当您拟合模型时,您最终会使用两个不同版本的 keras。
您有几个选择:
import tensorflow as tf
import keras
from keras.datasets import cifar10
from keras.applications.mobilenet import MobileNet
from tensorboardcolab import TensorBoardColab, TensorBoardColabCallback
尽管代码在这些更改后运行良好,但您可以考虑使用Keras 版本的 Adam 优化器,因此您不再需要显式导入 tensorflow。
model.compile(loss='categorical_crossentropy',
optimizer=keras.optimizers.Adam(lr=0.001),
metrics=['accuracy'])`
如果您修补callbacks.py和core.py并修复那里的导入,您的代码运行良好:
from keras.callbacks import TensorBoard from tensorflow.keras.callbacks import TensorBoard
您也可以在我进行这些更改的地方使用这个 fork 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.