使用writer = tf.summary.FileWriter(logdir, tf.get_default_graph())保存计算图后查看计算图

可以使用TensorBoard来查看计算图。首先，在命令行中进入保存计算图的目录，然后输入以下命令：

tensorboard --logdir=./

其中`--logdir`参数指定了TensorBoard读取的日志文件所在的目录。然后在浏览器中输入`http://localhost:6006`（默认端口号为6006）访问TensorBoard。在TensorBoard页面左侧的菜单栏中，选择Graph选项卡即可查看计算图。

相关问题

tensorflow查看计算图

在TensorFlow中，可以使用`tf.Graph()`创建一个计算图，可以使用`tf.get_default_graph()`方法获取默认计算图。使用`tf.summary.FileWriter()`方法将计算图写入到TensorBoard中，从而可以可视化查看计算图。

以下是一个示例代码：

import tensorflow as tf

# 创建计算图
graph = tf.Graph()
with graph.as_default():
    # 定义变量和操作
    x = tf.placeholder(tf.float32, name="input")
    y = tf.Variable(tf.zeros([2, 3]), name="weights")
    z = tf.matmul(x, y, name="output")

# 将计算图写入到TensorBoard中
log_dir = "/tmp/tensorflow_logs"
writer = tf.summary.FileWriter(log_dir, graph)
writer.close()

在终端运行以下命令，启动TensorBoard服务器：

tensorboard --logdir=/tmp/tensorflow_logs

在浏览器中访问`http://localhost:6006`，即可查看可视化的计算图。

TensorBoard graph visualization failure 'NoneType' object is not subscriptable

根据提供的引用[2]，这个问题可能是由于TensorBoard无法读取计算图(graph)文件导致的。解决此问题的步骤如下：

1. 确保你已经在代码中定义了计算图(graph)并将其保存到文件中，例如：

   import tensorflow as tf
   # 定义计算图
   a = tf.constant(5, name="input_a")
   b = tf.constant(3, name="input_b")
   output = tf.multiply(a, b, name="mul_output")
   # 将计算图保存到文件中
   writer = tf.summary.FileWriter('./graphs', tf.get_default_graph())
   writer.close()

2. 确保你已经在命令行中启动了TensorBoard，并指定了正确的日志目录，例如：

   tensorboard --logdir=./graphs

3. 如果你已经按照上述步骤操作，但仍然无法在TensorBoard中看到计算图(graph)，则可能是由于TensorBoard无法读取计算图文件。此时，你可以尝试删除TensorBoard的缓存文件并重新启动TensorBoard，例如：

   rm -rf /tmp/tensorboard/*
   tensorboard --logdir=./graphs