目录
1.TensorBoard神经网络可视化工具
TensorBoard是一个强大的可视化工具,在pytorch中有两种调用方法:
1.from tensorboardX import SummaryWriter
这种方法是在官方还不支持tensorboard时网上有大神写的
2.from torch.utils.tensorboard import SummaryWriter
这种方法是后来更新官方加入的
1.1 调用方法
1.1.1 创建接口SummaryWriter
功能:创建接口
调用方法:writer = SummaryWriter("runs")
参数:
log_dir:event file输出文件夹
comment:不指定log_dir时,文件夹后缀
filename_suffix:event file文件名后缀
- 1
- 2
- 3
- 4
- 5
1.1.2 记录标量add_scalars()
功能:记录标量add_scalars()
调用方法:writer.add_scalars("name",{"dic":val},epoch)
参数:
tag:图像的标签名
scalar_step:要记录的标量
global_step:轮次
- 1
- 2
- 3
- 4
- 5
1.1.3 统计直方图add_histogram()
功能:统计直方图与多分位数折线图
调用方法:writer.add_histogram("weight",self.fc.weight,epoch)
参数:
tag:图像的标签名
values:要画直方图的数据
global_step:轮次
bins:取值有 ‘tensorflow’、‘auto’、‘fd’ 等
- 1
- 2
- 3
- 4
- 5
- 6
- 7
1.1.4 批次显示图像add_image()
功能:批次显示图像
调用方法:writer.add_image(“Cifar10”, img_batch, epoch,'CHW')
参数:
tag:图像的标签名
img_tensor:图像数据,注意尺寸
global_step:轮次
dataformats:数据形式,CHW,HWC,HW
- 1
- 2
- 3
- 4
- 5
- 6
- 7
1.1.5 查看模型图add_graph()
功能:查看模型图
调用方法:writer.add_graph(model=net,input_to_model=torch.randn(1,3, 224, 224).to(device))
参数:
model:模型,必须是nn.Module
input_to_model:输出给模型的数据
verbose:是否打印计算图结构信息
- 1
- 2
- 3
- 4
- 5
写完记得要写 writer.close()
2.查看网络层形状、参数torchsummary
功能:查看网络层形状、参数
调用方法:
from torchsummary import summary
summary(net, input_size=(3, 224, 224))
- 1
- 2
参数:
model:pytorch模型
input_size:模型输入size
batch_size:batch size
device:“cuda” or “cpu”
- 1
- 2
- 3
- 4
- 5
- 6
- 7
3.启动tensorboard
在文件路径中cmd打开终端,输入
tensorboard --logdir="./runs"
- 1
runs是我保存文件的文件名,打开以下链接