建立本地与远程服务器端口连接（以访问tensorboard和visdom为例）

最新推荐文章于 2024-05-27 21:41:21 发布

Henoiiy

最新推荐文章于 2024-05-27 21:41:21 发布

阅读量1.8k

点赞数

文章标签： c++ 开发语言后端

本文链接：https://blog.csdn.net/Henoiiy/article/details/123249507

版权

建立本地与远程服务器端口连接（以访问tensorboard和visdom为例）

Visdom

在深度学习领域，模型训练是一个必须的过程，因此常常需要实时监听并可视化一些数据，如损失值loss，正确率acc等。在Tensorflow中，最常使用的工具非Tensorboard莫属；在Pytorch中，也有类似的TensorboardX，但据说其在张量数据加载的效率方面不如visdom。visdom是FaceBook开发的一款可视化工具，其实质是一款在网页端的web服务器，对Pytorch的支持较好。

visdom启动命令

python -m visdom.server --port 端口号

开启之后，将会在服务器本地 http://localhost:端口号中显示当前visdom服务

远程连接该端口

基于ssh直接连接

ssh -L 本地端口号:localhost:服务端口号 -p ssh登录端口号 用户名@服务器地址

上述命令将本地端口号与服务端口号相连接，同时通过ssh登录端口号进行登录验证。这样就可以在本地访问远程特定端口了

MobaXterm等效操作

打开tools中的MobaSSHTunel
新建Tunel，在forward port中填希望本地和远程连接的端口
在SSH设置中填写，SSH服务器的地址、登录用户、以及ssh登录的端口
在remote server中填写服务器本地的地知，localhost：127.0.0.1以及它的服务端口（即刚才visdom的服务端口）

Tensorboard

TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。

本系列文章一共四篇，由浅入深，以常见的Mnist数据集为实验对象，从实现最简单TensorBoard开始，逐步增加参数、复杂度，最后实现使用TensorBoard工具可视化调参的功能。

TensorBoard的使用一共可分成四步：

设置保存路径：tenboard_dir = ‘./tensorboard/test1/’
指定一个文件用来保存TensorFlow的图：writer = tf.summary.FileWriter(tenboard_dir + hparam)
把图add进去：writer.add_graph(sess.graph)
进入test1文件夹的上一层文件夹，在DOS窗口运行命令：
tensorboard --logdir=./test1 --port 服务端口号

后续和visdom操作相同