Google colaboratory 可视化对象检测图时，TensorBoard会挂起

我需要可视化TensorFlow对象检测模型的结构。我正在尝试在Colab中使用TensorBoard，代码如下。当TensorBoard加载日志时，它会停留在“名称空间层次结构：查找类似子图”的步骤上

以下是指向笔记本的链接：

环境： 浏览器：Chrome 操作系统：Windows 内存：8GB

最后，我开始得到下面的错误

仅供参考，我尝试在一台内存为4GB的Windows计算机上运行相同的进程，同时在一个外壳中运行一个TensorBoard服务器。我使用默认URL访问TensorBoard（在笔记本之外）。它在启动过程中的同一点失败

我看到了这一点，并提出了类似的问题，但没有提供答案

提前感谢——这对我为公司做的重要项目真的很有帮助

---

我相信我现在知道如何解决三个问题

RAM/CPU不足->在资源较多的计算机上运行

复杂图形，需要放大->使用缩放查看节点

变量未初始化->评估模型以显示图形的边

1.RAM/CPU不足 在具有24 GB RAM和8个i7内核的Windows计算机上运行该进程，为我消除了崩溃。有时我会收到一条关于页面变得无响应的消息，但您只需单击“等待”按钮，它就会加载。负载本身也快得多

2.复杂的图形，需要放大 运行上述代码后，TensorBoard将显示一个看似空白的屏幕。但是，图节点的轮廓很模糊

放大以查看详细信息。屏幕右下角的导航框很有用

3.初始化变量 使用以下代码代替我上面问题中的代码：

import tensorflow as tf
import numpy as np

!pip install -U tensorflow

%load_ext tensorboard

# Download model
!wget http://download.tensorflow.org/models/object_detection/tf2/20200711/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz
!tar -xf ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz

model_dir = '/content/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8/saved_model'
log_dir = '/content/logs'

if os.path.exists(log_dir):
  ! rm -r $log_dir

@tf.function
def f(x):
    imported = tf.saved_model.load(model_dir)
    results = imported(x)
    return results
    
#Initialize variables
imgs = np.zeros((1,640,640,3),dtype=int)
imgs_t = tf.constant(imgs, dtype=tf.dtypes.uint8)
imported_g = f.get_concrete_function(imgs_t).graph

# Export the graph
with session.Session(graph=imported_g) as sess:
  pb_visual_writer = summary.FileWriter(log_dir)
  pb_visual_writer.add_graph(sess.graph)
  print("Model Imported. Visualize by running: "
        "tensorboard --logdir={}".format(log_dir))

新图形显示图形的边，而不仅仅是节点

以下是您可以运行的笔记本：

import tensorflow as tf
import numpy as np

!pip install -U tensorflow

%load_ext tensorboard

# Download model
!wget http://download.tensorflow.org/models/object_detection/tf2/20200711/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz
!tar -xf ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz

model_dir = '/content/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8/saved_model'
log_dir = '/content/logs'

if os.path.exists(log_dir):
  ! rm -r $log_dir

@tf.function
def f(x):
    imported = tf.saved_model.load(model_dir)
    results = imported(x)
    return results
    
#Initialize variables
imgs = np.zeros((1,640,640,3),dtype=int)
imgs_t = tf.constant(imgs, dtype=tf.dtypes.uint8)
imported_g = f.get_concrete_function(imgs_t).graph

# Export the graph
with session.Session(graph=imported_g) as sess:
  pb_visual_writer = summary.FileWriter(log_dir)
  pb_visual_writer.add_graph(sess.graph)
  print("Model Imported. Visualize by running: "
        "tensorboard --logdir={}".format(log_dir))