通过占位符在 TensorBoard 中显示 matplotlib 图

如何解决通过占位符在 TensorBoard 中显示 matplotlib 图

正如标题所暗示的，我想执行以下操作（伪代码，不使用急切执行）：

 def create_image_for_summary(data_ph):
     xdata = ...
     fig = plt.figure()
     plt.plot(xdata,data_ph[...])
     buf = io.BytesIO()
     plt.savefig(buf,format='png')
     plt.close(fig)
     buf.seek(0)
     image = tf.image.decode_png(buf.getvalue(),channels=4)
     image = tf.expand_dims(image,0)
     return image
        
data_ph = tf.placeholder(tf.float32,...)
with tf.variable_scope('Scope'):
    im_summ = tf.summary.image('Name',create_image_for_summary(data_ph))

其中 data_ph 是张量数据的占位符。 但是，我总是得到：

AttributeError: 'Tensor' object has no attribute 'ndim'

这表明 matplotlib 不能接收张量作为输入。当用实际的 data_ph 数组替换 numpy 时，同样的代码也能工作，但是这有像 this question 那样显示的不便，因为每次都必须创建一个新的摘要条目，通过:

summary_images = tf.summary.merge([im_summ])
summ_images = self.sess.run(summary_images)
train_writer.add_summary(summ_images,<some step number>)

请注意，在考虑占位符时，上述更改为：

summary_images = tf.summary.merge([im_summ])
summ_images = self.sess.run(summary_images,feed_dict={self.data_ph: <some input tensor>})
train_writer.add_summary(summ_images,<some step number>)

有人知道允许将 matplotlib 与张量混合的机制吗？很遗憾，我无法安装 this related question 中提到的软件包，因为我在远程服务器上并且没有安装权限。

最后，请注意可用的文档here仅涵盖从一开始就将数据加载到内存的情况；我改为分批处理。