Pytorch tensorboard colab tensorflow._api.v1.io.gfile'；没有属性'；获取文件系统

我想在colab上使用张力板。我设法使它工作，但不是所有的命令。add_graph和add_scalar有效，但当我尝试运行add_embedding时，出现以下错误：

AttributeError: module 'tensorflow._api.v1.io.gfile' has no attribute 'get_filesystem'

这是相关代码（我认为）

完全错误是：

/tensorflow-1.15.0/python3.6/tensorflow_core/python/util/module_wrapper.py in __getattr__(self, name)
    191   def __getattr__(self, name):
    192     try:
--> 193       attr = getattr(self._tfmw_wrapped_module, name)
    194     except AttributeError:
    195       if not self._tfmw_public_apis:

AttributeError: module 'tensorflow._api.v1.io.gfile' has no attribute 'get_filesystem'

使用

• tensorflow-1.15.0（尝试安装2.0，但存在不同的问题）
• Python 3.6.9
• 火炬1.4.0
• 张力板2.1.1（也尝试使用1.15.0，但问题相同）

我还尝试使用“magic”命令：

但我无法让它以这种方式工作（其他问题）

---

有什么建议可以让它工作吗？

卸载tensorflow。不要将tensorflow与火炬安装在同一环境中。 如果您安装tensorflow，tensorboard可能会首先尝试使用tensorflow的api

然后您可能会遇到以下问题：“LocalFileSystem”对象没有属性“makedirs”
有一种解决办法——

• 卸载的tensorflow
• 重新安装的张力板
  PS：重启内核和tensorboard

---

tensorboard 2.2.0和torch 1.14.0为我工作。

我正在Colab中运行代码，它似乎与writer.py有问题

# helper function
def select_n_random(data, labels, n=100):
    '''
    Selects n random datapoints and their corresponding labels from a dataset
    '''
    assert len(data) == len(labels)

    perm = torch.randperm(len(data))
    return data[perm][:n], labels[perm][:n]

# select random images and their target indices
images, labels = select_n_random(trainset.data, trainset.targets)

# get the class labels for each image
class_labels = [classes[lab] for lab in labels]

# log embeddings
features = images.view(-1, 28 * 28)
writer.add_embedding(features,
                    metadata=class_labels,
                    label_img=images.unsqueeze(1))
writer.close() 

在Colab中运行本教程时

---

对我来说，这解决了问题：

import tensorflow as tf
import tensorboard as tb
tf.io.gfile = tb.compat.tensorflow_stub.io.gfile

---

这不是答案。如果可能，您可以在GitHub项目回购中报告错误。

# helper function
def select_n_random(data, labels, n=100):
    '''
    Selects n random datapoints and their corresponding labels from a dataset
    '''
    assert len(data) == len(labels)

    perm = torch.randperm(len(data))
    return data[perm][:n], labels[perm][:n]

# select random images and their target indices
images, labels = select_n_random(trainset.data, trainset.targets)

# get the class labels for each image
class_labels = [classes[lab] for lab in labels]

# log embeddings
features = images.view(-1, 28 * 28)
writer.add_embedding(features,
                    metadata=class_labels,
                    label_img=images.unsqueeze(1))
writer.close() 

import tensorflow as tf
import tensorboard as tb
tf.io.gfile = tb.compat.tensorflow_stub.io.gfile