Pytorch 使用SummaryWriter记录日志信息

1. 向事件文件中写入事件和概要

import time
from torch.utils.tensorboard.writer import SummaryWriter

# 获取Tensorboard的writer
def tb_writer():
    timestr = time.strftime('%Y%m%d_%H')
    writer = SummaryWriter('../logs/' + timestr)
    return writer

if __name__ == "__main__":
    writer = tb_writer()
    start = time.time()
    writer.add_scalar('start_time: ', start)
    # 在summary中添加图片数据
    writer.add_image('X-Ray grid', grid, 0)
    writer.flush()
    writer.close()

输出日志信息如下:

2. 以上日志信息可通过tensor board来显示绘图

  • 6
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 在PyTorch中,可以使用TensorBoard记录训练过程中的指标,其中就包括训练损失、测试损失、准确率等。 首先需要安装TensorBoard,可以通过以下命令进行安装: ``` pip install tensorboard ``` 接着,需要在代码中使用PyTorch自带的`SummaryWriter`类来记录指标。具体操作如下: ```python from torch.utils.tensorboard import SummaryWriter # 创建SummaryWriter对象,指定日志保存路径 writer = SummaryWriter('logs') # 在训练过程中记录指标 for epoch in range(num_epochs): # 训练过程中记录训练集损失 train_loss = train(...) writer.add_scalar('Train/Loss', train_loss, epoch) # 训练过程中记录测试集损失和准确率 test_loss, accuracy = evaluate(...) writer.add_scalar('Test/Loss', test_loss, epoch) writer.add_scalar('Test/Accuracy', accuracy, epoch) # 训练结束后关闭SummaryWriter writer.close() ``` 在训练过程中,可以使用`add_scalar`方法来记录指标。其中,第一个参数是指标的名称,第二个参数是指标的值,第三个参数是当前的训练轮数或者迭代次数。在上面的代码中,我们记录了训练集损失、测试集损失和准确率三个指标。 最后,在训练结束后需要调用`close`方法关闭`SummaryWriter`,并保存日志文件。 在终端中输入以下命令启动TensorBoard: ``` tensorboard --logdir=logs ``` 其中,`--logdir`参数指定日志保存路径。执行完命令后,根据提示在浏览器中打开相应的地址即可查看可视化结果。 ### 回答2: SummaryWriter是TensorBoard提供的一个接口,用于记录模型的训练过程中的各种指标,比如训练损失、测试损失、准确率等。通过使用SummaryWriter,可以将这些指标以图表、曲线等形式展示在TensorBoard中,方便我们对模型的训练过程进行监控和分析。 使用SummaryWriter的过程如下: 1. 引入必要的库和模块: ```python from torch.utils.tensorboard import SummaryWriter ``` 2. 创建SummaryWriter对象,指定保存日志的目录: ```python writer = SummaryWriter(log_dir='./logs') ``` 3. 在训练过程中,使用writer的add_scalar方法记录损失和准确率等指标: ```python # 记录训练损失 writer.add_scalar('Loss/train', train_loss, global_step) # 记录测试损失 writer.add_scalar('Loss/test', test_loss, global_step) # 记录准确率 writer.add_scalar('Accuracy', accuracy, global_step) ``` 其中,`train_loss`和`test_loss`分别为训练损失和测试损失的数值,`accuracy`为准确率的数值,`global_step`表示当前的训练步数。 4. 在训练结束后,关闭SummaryWriter对象: ```python writer.close() ``` 通过以上步骤,我们可以将模型的训练损失、测试损失和准确率等指标记录下来,并保存到指定的日志目录中。然后,在命令行中运行`tensorboard --logdir=./logs`命令,即可在浏览器中打开TensorBoard,并查看这些指标的变化情况。这样可以更直观地了解模型的训练进展和性能表现,辅助我们进行模型调优和分析。 ### 回答3: SummaryWriter是一个TensorBoard的接口类,可以将训练过程中的各种指标和可视化数据写入到TensorBoard中,方便用于训练过程的可视化和分析。使用SummaryWriter记录模型的训练损失、测试损失、准确率等指标的步骤如下: 1. 导入必要的库和模块,包括torch和torch.utils.tensorboard。 2. 创建一个SummaryWriter对象,指定日志保存的路径。 3. 在训练循环中,通过调用SummaryWriter的add_scalar()方法,将训练损失、测试损失、准确率等指标写入到TensorBoard中。 - 对于训练损失,可以在每个训练迭代后调用add_scalar()方法记录训练损失的均值。 - 对于测试损失和准确率,可以在每个测试迭代后调用add_scalar()方法记录测试损失的均值和准确率(或正确率)。 - 可以选择添加tag参数,以便在TensorBoard中更好地区分和显示不同指标。 4. 在训练过程结束后,关闭SummaryWriter。 总结起来,使用SummaryWriter记录模型的训练损失、测试损失、准确率等指标,只需在训练循环中调用SummaryWriter的add_scalar()方法,将指标写入到TensorBoard中即可。通过可视化和分析这些指标,可以更加直观地了解模型的训练过程和性能表现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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