Sequential和tensorboard学习

from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
from torch.utils.tensorboard import SummaryWriter


class Cxy(nn.Module):
    def __init__(self):
        super(Cxy, self).__init__()
        self.model1=Sequential(
        Conv2d(3,32,5,padding=2),
        MaxPool2d(2),
        Conv2d(32, 32, 5, padding=2),
        MaxPool2d(2),
        Conv2d(32,64,5,padding=2),
        MaxPool2d(2),
        Flatten(),
        Linear(1024, 64),
        Linear(64, 10),
        )

    def forward(self,x):
        x=self.model1(x)
        return x

cxy=Cxy()
print(cxy)
input=torch.ones((64,3,32,32))
output=cxy(input)
print(output.shape)

writer=SummaryWriter("../logs_seq")
writer.add_graph(cxy,input)
writer.close()
hon
在这里插入代码片

注意tensorboard的使用必须先在terminal中激活进行:conda activate pytorch

再输入tensorboard --logdir=logs_seq
就会出现这种图片
在这里插入图片描述
可视化

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
TensorBoardTensorFlow的一个可视化工具,用于查看深度学习模型的训练和评估指标。要验证TensorBoard是否可以使用,你需要完成以下步骤: 1. 确认你已经安装了TensorFlow。可以在Python控制台中输入以下命令:`import tensorflow as tf`。如果没有出现错误,则说明TensorFlow已经被成功安装。 2. 确认你已经安装了TensorBoard。可以在Python控制台中输入以下命令:`tensorboard --version`。如果没有出现错误,则说明TensorBoard已经被成功安装。 3. 编写一个简单的深度学习模型,并使用TensorBoard回调函数来监控模型的训练和评估过程。以下是一个示例代码: ```python import tensorflow as tf from tensorflow import keras from tensorflow.keras.layers import Dense from tensorflow.keras.callbacks import TensorBoard # 准备数据集 (x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data() x_train = x_train.reshape((60000, 784)).astype('float32') / 255 x_test = x_test.reshape((10000, 784)).astype('float32') / 255 # 构建模型 model = keras.Sequential([ Dense(512, activation='relu', input_shape=(784,)), Dense(10, activation='softmax') ]) # 编译模型 model.compile(optimizer='rmsprop', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 设置TensorBoard回调函数 tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=1) # 训练模型 model.fit(x_train, y_train, epochs=10, batch_size=128, validation_data=(x_test, y_test), callbacks=[tensorboard_callback]) ``` 4. 运行TensorBoard服务器,以便在Web浏览器中查看模型的训练和评估指标。在Python控制台中输入以下命令:`tensorboard --logdir=./logs`。然后,在浏览器中打开http://localhost:6006,你应该可以看到TensorBoard的仪表板,并且可以查看模型的训练和评估指标。 如果你能够成功地运行这个示例代码,并在TensorBoard中看到模型的训练和评估指标,则说明TensorBoard可以使用。
评论 1
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