【pytorch】在python脚本中自动运行tensorboard

问题

在使用tensorboard进行训练过程可视化时,每开始一次新的实验,就需要在终端重新运行一次tensorboard --logdir=path_to_log,这比较麻烦,尤其是在代码调试阶段,我们会频繁地开始新的实验,

那么如何在python脚本中自动打开tensorboard呢?

解决方法

原代码

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter(log_dir=path_to_logs) #日志存储的路径

修改后的代码

from torch.utils.tensorboard import SummaryWriter
from tensorboard import program


writer = SummaryWriter(log_dir=path_to_logs) #日志存储的路径

# 新增代码
tb = program.TensorBoard()
tb.configure(argv=[None, '--logdir', path_to__logs])
url = tb.launch()

在浏览器中一直开着localhost:6006,如果重新开始新的实验,只需要刷新浏览器就可以查看最新实验的训练过程了。

配合查看远端服务器上的Tensorboard(利用MobaXterm)食用风味更佳

参考资料

  1. How to run Tensorboard from python scipt in virtualenv?
  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要在 PyTorch 使用 TensorBoard,您需要执行以下步骤: 1. 安装 TensorBoard:确保您已经安装了 TensorBoard。您可以使用以下命令通过 pip 进行安装: ``` pip install tensorboard ``` 2. 导入所需的库:在您的 Python 脚本,导入 PyTorchtensorboard 库: ```python import torch from torch.utils.tensorboard import SummaryWriter ``` 3. 创建 SummaryWriter 对象:创建一个 SummaryWriter 对象,用于将数据写入 TensorBoard 日志文件。指定日志文件的保存路径: ```python writer = SummaryWriter('logs') ``` 4. 添加数据到 TensorBoard:使用 `add_scalar` 方法将损失、准确率或其他指标写入日志文件。例如,每个训练步骤添加损失值: ```python writer.add_scalar('Loss/train', loss, global_step) ``` 5. 可选:添加其他类型的数据:除了标量之外,您还可以添加其他类型的数据,如图像、直方图、模型等。例如,添加一个图像: ```python writer.add_image('Image', image, global_step) ``` 6. 启动 TensorBoard:在命令行运行以下命令来启动 TensorBoard: ``` tensorboard --logdir=logs ``` 7. 查看 TensorBoard:在浏览器访问提供的链接(通常是 `http://localhost:6006`)来查看 TensorBoard 的可视化结果。 请注意,`global_step` 参数用于指定数据的步骤或迭代次数,以便在 TensorBoard 进行正确的时间序列可视化。 通过这些步骤,您可以将 PyTorch 的训练指标和其他数据可视化到 TensorBoard ,以便更好地监控和分析模型的训练过程。

“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
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