tensorboard可视化实现之路

1.在cmd下,将路径调到生成的tensorboard文件的上一目录下:  在cmd切换目录到当前目录

2win10下tensorboard的使用:win10下tensorboard的使用

3. Bug:tensorboard--logdir' 不是内部或外部命令,也不是可运行的程序:

解决方案:https://blog.csdn.net/zhylhy520/article/details/80760816

 

真的是自己蠢到爆了,在run完程序后,自己一直在终端这样实现tensorboarda可视化,tensorboard--logdir=logs/

但是了,一直一直出错——tensorboard--logdir' 不是内部或外部命令,也不是可运行的程序,

后来总于发现是自己的问题,tensorboard后面有空格,自己在写的时候,并没有发现。

应该是:tensorboard --logdir=logs/

 

4.打开Chrome:No dashboards are active for the current data set.

链接:关于tensorflow中tensorborad No dashboards are active for the current data set.的解决办法

即tensorboard --logdir=train:E:\1-experminents code\cnn-text-classification-tf-master\runs\1537623853\summaries\train

以上是我当前的logs文件名和路径,需要将其改成自己的logs文件名和绝对路径。

您可以通过在训练过程中使用TensorBoard可视化YOLO模型的训练情况。以下是一些步骤来实现这一点: 1. 安装TensorFlow和TensorBoard:首先,您需要安装TensorFlow和TensorBoard库。您可以使用pip命令来安装它们: ``` pip install tensorflow tensorboard ``` 2. 导入必要的库:在Python代码中,您需要导入以下库: ```python import tensorflow as tf from tensorflow.keras.callbacks import TensorBoard ``` 3. 创建TensorBoard回调函数:在模型训练之前,您需要创建一个TensorBoard回调函数,并将其传递给模型训练过程中的fit()函数。这将记录并保存训练过程中的相关信息,以供TensorBoard使用。 ```python tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=1) ``` 在上面的示例中,'./logs' 是保存TensorBoard日志文件的目录。 4. 将回调函数添加到模型训练过程中:在您的模型训练代码中,将TensorBoard回调函数作为callbacks参数传递给fit()函数: ```python model.fit(train_dataset, epochs=10, callbacks=[tensorboard_callback]) ``` 确保您的模型已经定义和编译,并且您有一个用于训练的数据集。 5. 启动TensorBoard服务器:在命令行中,导航到您保存TensorBoard日志文件的目录,并运行以下命令来启动TensorBoard服务器: ``` tensorboard --logdir=./logs ``` 上述命令将启动TensorBoard服务器,并将其绑定到本地主机的默认端口(通常是6006)。 6. 访问TensorBoard可视化:打开您的Web浏览器,并输入以下URL以访问TensorBoard可视化界面: ``` http://localhost:6006 ``` 请注意,如果您在步骤5中使用了不同的端口,则需要相应地更改URL中的端口号。 通过遵循上述步骤,您将能够使用TensorBoard可视化YOLO模型的训练情况。您可以查看各种指标、损失函数、准确率和其他相关信息的图表和摘要。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值