查看远程服务器上tensorboard的训练可视化结果

有两个方法,我都尝试成功了。

一是利用通过windows的命令行工具,借助SSH远程连接服务器工具: ssh -L 16007:127.0.0.1:6009 XXX@server.address ,然后输入服务器上用户XXX的密码,进入服务器。前一个端口号16007是本地访问的端口,后面的6009是开启tensorboard服务通过--port指定的端口号。

然后输入:tensorboard --logdir logs --port 6009,开启服务,并指定服务端口号为6009,与ssh命令时指定的映射目标端口一致。

看到服务成功运行的画面:

最后,在本地浏览器地址栏输入localhost:16007,就打开网址,看到loss下降的结果了。

第二种方法是通过xshell工具里的隧道功能。

一般xshell里都已经保存连接设置,包含服务器的访问地址和端口、用户名和用户密码等信息了。现在只要添加一条隧道端口映射信息就OK了。假设你已经有了能成功登录远程服务器的连接了。那么就打开那个连接的属性设置界面:

点击隧道,看到右边窗口的添加按钮:

侦听端口就是我们待会儿要在本地浏览器输入的端口号,目标端口就是tensorboard 要指定的端口号。

 点击确定后,通过连接进入服务器,后面就跟第一种方法一样了,开启tensorboard服务,并正确指定端口号以及logdir的目录。

最后在本地浏览器地址栏输入相应的端口即可。

### 使用PyCharm通过远程服务器运行TensorBoard 为了在PyCharm中利用远程服务器上的资源来启动并查看TensorBoard,可以遵循一系列特定设置流程。这不仅涉及本地开发环境的调整,还包括确保远程服务器能够正确响应请求。 #### 配置远程解释器 首先,在PyCharm Professional版本里配置远程Python解释器是必要的前置条件之一[^3]。此过程通常涉及到指定连接至目标机器的方式(如SSH),以及定义该环境中可用的具体Python版本路径。一旦完成这些设定,则可以在项目内选择这个新创建好的远程解释器作为默认选项。 #### 设置端口转发 由于TensorBoard服务需在网络间暴露其监听地址以便访问可视化界面,因此需要建立从本机到远端主机的安全隧道。可以通过SSH命令实现这一点: ```bash ssh -N -f -L localhost:6006:localhost:6006 user@remote_host_ip ``` 上述指令中的`6006`代表了TensorBoard默认使用的TCP端口号;而`user@remote_host_ip`则应替换为实际登录凭证与IP地址组合[^2]。 #### 启动TensorFlow日志记录 接着,在远程服务器上执行训练脚本时加入适当参数以启用TensorFlow的日志功能,并指定期望存储事件文件的位置。例如修改代码如下所示: ```python import tensorflow as tf log_dir = "/path/to/logs" writer = tf.summary.create_file_writer(logdir=log_dir) with writer.as_default(): # Your training loop here... ``` 这段代码片段会将所有摘要数据写入由变量`log_dir`所指向目录下,供后续TensorBoard读取分析[^1]。 #### 执行TensorBoard命令 最后一步是在远程服务器终端输入相应命令开启TensorBoard实例: ```bash tensorboard --logdir=/path/to/logs --host=127.0.0.1 --port=6006 ``` 这里同样需要注意保持端口号一致性和日志位置准确性。此时如果之前已经成功建立了SSH端口映射关系的话,那么只需打开浏览器并导航至`http://localhost:6006/`即可浏览来自远程系统的性能指标图表和其他有用信息。
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