tensorboard报错解决:No dashboards are active for the current data set

版本:tensorboard 2.10.0

问题:文件夹下明明有events文件,但用tensorboard命令却无法显示。

例如:

原因:有可能是文件路径太长了,导致系统无法读取文件。在win系统中规定,目录的绝对路径不得超过260字符,虽然在win10的1607及以上版本中支持更大路径长度,但并非所有应用都能支持长路径。在上面的例子中,我的数据目录是"D:\xxx\files\syn_1x1_uniform_1_20s\tensorboard_drl\train\rlhf_h32_16_alphap2_gammap92_bs64_memo1e5_rand_start10batch_round1e5\hold_steps\events.out.tfevents.1699542553.autodl-container-744e4495ab-36126ec8.1799.0",共262字符,可能是我当前tensorboard版本限制或其他原因无法读取。

解决方案:

  1. 把events文件保存在浅层目录中,路径不超过260字符,再重新用tensorboard命令查看
  2. 使用event_accumulator直接从events读取数据,避开tensorboard命令调用过程。以下为简单示例,仅供参考,关键函数为event_accumulator.EventAccumulator。
python 复制代码
from tensorboard.backend.event_processing import event_accumulator
import os
current_path = os.path.dirname(os.path.abspath(__file__))  # 当前代码文件所在文件夹的绝对路径
file_path = os.path.join(current_path, '../files/syn_1x1_uniform_1_20s/tensorboard_drl/fix_init10/events.out.tfevents.1689403580.99a6dc21500a.1450.0')  # 数据相对路径
ea = event_accumulator.EventAccumulator(file_path)  # 不限制读取数据点数
ea.Reload()
print(ea.scalars.Keys())
key=ea.scalars.Keys()[0]
val = ea.scalars.Items(key)
print(len(val))
print([(i.step, i.value) for i in val])

参考文献:

  1. Windows路径字符长度限制问题
相关推荐
zh路西法17 小时前
【四足强化学习经典算法】(一):RMA——盲视运动控制与快速适应模块
pytorch·强化学习·1024程序员节·四足机器人·dagger·pyhon·rma
Be for thing1 天前
PyCharm安装与PyTorch项目配置|Jupyter Notebook与PyCharm使用对比
pytorch·学习·1024程序员节
zh路西法2 天前
【模型式强化学习】(二)PETS——从概率动力学模型到模型预测控制(MPC)
pytorch·python·强化学习·pe·mpc·ces·pets
段一凡-华北理工大学2 天前
高炉炼铁机器视觉与智能识别十八讲~系列文章17:实战案例:一个风口监控系统的完整搭建
人工智能·pytorch·深度学习·机器学习·计算机视觉·高炉风口监测系统
Yolanda_20222 天前
PyTorch 线性层nn.Linear底层数学原理
人工智能·pytorch·python
专注仿真2 天前
多智能体强化学习实战:从 Dec-POMDP 到 QMIX/MADDPG/MAPPO 的可运行 PyTorch 实现
人工智能·pytorch·python
Web3&Basketball3 天前
TorchTPU 迁移实战:3 个 CUDA 卡点
pytorch·性能调优·cuda·tpu·模型迁移·torchtpu
田里的水稻3 天前
FA_CNN卷积神经网络十二_CIFAR10全流程PyTorch
人工智能·pytorch·深度学习·神经网络·cnn
论文复现现场3 天前
RTX 3090 云GPU租赁价格对比:8家平台配置、计费方式与环境测试
linux·运维·人工智能·pytorch·深度学习·云计算·3090
liwulin05063 天前
【PYTORCH】迷你DECODER-ONLY模型
pytorch·python·深度学习