PyTorch学习笔记(九) ---- 使用 TensorBoard 可视化模型，数据和训练

最新推荐文章于 2025-10-14 17:03:52 发布

原创

最新推荐文章于 2025-10-14 17:03:52 发布 · 2.6k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#PyTorch #Tensorboard #TensorBoard 可视化 #PyTorch 可视化

本文介绍了如何使用PyTorch与TensorBoard进行深度学习模型的训练、监控与评估，包括数据预处理、模型训练过程可视化、评估模型性能等关键步骤。

转载请注明作者和出处： http://blog.csdn.net/john_bh/

文章目录

我们在模型训练期间打印一些统计信息，以了解训练是否在进行中。PyTorch 与 TensorBoard 集成，该工具旨在可视化神经网络训练运行的结果。数据集采用 Fashion-MNIST 数据集。

1. 读取数据并进行适当的转换

从 CIFAR-10 中类似的样板代码开始,具体参考我之前的博客PyTorch学习笔记(四) ---- 图像分类器：

# imports
import matplotlib.pyplot as plt
import numpy as np

import torch
import torchvision
import torchvision.transforms as transforms

import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

# transforms
transform = transforms.Compose(
    [transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))])

# datasets
trainset = torchvision.datasets.FashionMNIST('./data',
    download=True,
    train=True,
    transform=transform)
testset = torchvision.datasets.FashionMNIST('./data',
    download=True,
    train=False,
    transform=transform)

# dataloaders
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                        shuffle=True, num_workers=2)

testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                        shuffle=False, num_workers=2)

# constant for classes
classes = ('T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
        'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle Boot')

# helper function to show an image
# (used in the `plot_classes_preds` function below)
def matplotlib_imshow(img, one_channel=False):
    if one_channel:
        img = img.mean(dim=0)
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    if one_channel:
        plt.imshow(npimg, cmap="Greys")
    else:
        plt.imshow(np.transpose(npimg, (1, 2, 0)))

定义一个类似的模型架构，仅需进行少量修改即可说明以下事实：图像现在是一个通道而不是三个通道，是 28x28 而不是 32x32：

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.pool

最低0.47元/天解锁文章