TensorBoard简介:
TensorBoard是一个用于可视化和理解深度学习模型的工具。它是TensorFlow深度学习框架的一部分,用于可视化模型的训练过程、模型结构、数据分布等信息,帮助开发者更好地理解和调试他们的模型。
TensorBoard提供了以下功能:
-
训练过程可视化:TensorBoard可以展示模型的训练过程中的损失值、准确率等指标的变化情况,以帮助开发者监控模型的训练进展。
-
模型结构可视化:TensorBoard可以可视化展示模型的计算图,包括各个层的连接关系、参数数量等信息,帮助开发者更好地理解模型的结构。
-
数据分布可视化:TensorBoard可以展示模型输入数据的分布情况,帮助开发者了解数据的特征和分布情况。
-
嵌入向量可视化:如果模型包含嵌入向量(如Word2Vec),TensorBoard可以将这些嵌入向量可视化为二维或三维空间中的点,帮助开发者观察和理解嵌入向量之间的关系。
安装TensorBoard:
点击控制台中的Terminal终端,进入pytorch环境。
输入代码:
pip install tensorboard
点击回车
显示successfully installed ,代表安装成功。
TensorBoard的使用:
从torch.utils.tensorboard中导入SummaryWriter类from torch.utils.tensorboard import SummaryWriter
按住ctrl点击SummaryWriter,进入该类的使用方法
下面使用其测绘y=x的图表(write.add_scalar的使用):
代码:
#从torch.utils.tensorboard中导入SummaryWriter类
from torch.utils.tensorboard import SummaryWriter
write=SummaryWriter('logs')
# 测绘y=x的图表
for i in range (100):
write.add_scalar('y=x',i,i)
write.close()
运行代码之后,在左侧的项目框中会出现logs事件文件:
如何打开事件文件:
同样是在pycharm的控制台的终端窗口,输入代码:
tensorboard --logdir=chap1_TensorBoard/logs --port=6007
其中logdir后的地址为logs的绝对地址
tensorboard --logdir=logs --port=6007 #logs为绝对地址
--port=6007为指定的端口地址
点击回车运行,会出现端口地址,单击打开:
即会出现如下图表:
TensorBoard不仅适用于TensorFlow,还可以与其他深度学习框架(如PyTorch)结合使用。只需要将相关的日志数据写入到TensorBoard支持的格式中即可。