TensorBoard无法显示网络结构求助：新手基于TensorFlow构建LSTM遇问题

嘿，我来帮你搞定这个TensorBoard显示为空的问题！咱们一步步来分析：

最核心的问题：tf.reset_default_graph()的位置错误 #

你在model.fit()训练完成后立刻调用了tf.reset_default_graph()，这行代码会彻底清空当前的TensorFlow计算图。而TensorBoard的结构页面完全依赖计算图的元数据来生成可视化内容，重置之后这些关键数据就没了，自然显示为空。

解决办法： #

直接删掉这行代码；如果之后确实需要重置计算图，也要等你已经打开TensorBoard查看完所有内容之后再执行。

其他可能的辅助检查点 #

除了上面的核心问题，你还可以确认这几点，确保TensorBoard能正常工作：

• 检查日志路径：确认tensorboard_dir设置的路径C:\\JAK C\\jak c\\werk\\Swot\\main\\Skripsie\\test\\tflearnlogs确实存在，并且启动TensorBoard时指定了正确的--logdir参数（比如在命令行运行tensorboard --logdir="C:\\JAK C\\jak c\\werk\\Swot\\main\\Skripsie\\test\\tflearnlogs"）。
• 调整tensorboard_verbose级别：你当前设置的是1，这个级别会记录图结构，但如果还是有问题，可以尝试改成3（最高日志级别），确保所有图的元数据都被完整记录。
• 小建议：输出层激活函数：你的输出层只有1个单元，却用了softmax激活——softmax更适合多分类场景，单输出的话用sigmoid会更合理，不过这个不影响TensorBoard的显示，只是个优化小提示。

修改后的示例代码 #

import tflearn
import tensorflow as tf

# 替换成你实际的输入数据seq和标签res
seq = ...
res = ...

net = tflearn.input_data([None,226, 28])
net = tflearn.lstm(net, 38, name="Layer1")
net = tflearn.fully_connected(net, 1, activation='sigmoid', name="Layer2")  # 调整激活函数
net = tflearn.regression(net, optimizer='adam', loss='mean_square')
model = tflearn.DNN(net, tensorboard_verbose=3, tensorboard_dir='C:\\JAK C\\jak c\\werk\\Swot\\main\\Skripsie\\test\\tflearnlogs')
model.fit(seq, res, show_metric=True, batch_size=1, n_epoch=100)

# 移除tf.reset_default_graph()，或在TensorBoard查看完成后再调用

内容的提问来源于stack exchange，提问作者jacobus Fick