23.自定义训练中使用Tensorboard

最新推荐文章于 2023-01-16 13:59:33 发布
最新推荐文章于 2023-01-16 13:59:33 发布
阅读量297 收藏 2
点赞数
分类专栏： tensorflow笔记 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/potato123232/article/details/120847116
版权

由于我们自定义训练中没有model.fit()，所以按照之前的方法添加Tensorboard是做不到的

我们对 20.自定义训练(非编译训练) 的代码做修改

导入datetime库

定义current_time

定义train与test日志路径

然后创建train与test的写对象

之后修改我们的训练函数

训练之后打开tensorboard看一下,发现有我们保存的四个变量

  • acc

  • loss

  • val_acc

  • val_loss

Suyuoa
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Tensorflow的可视化工具Tensorboard的初步使用详解
03-01
Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在指定的web端可视化地展现这些信息。1.1Tensorboard的数据...
TensorBoard最全使用教程：看这篇就够了
qq_41656402的博客
06-09 2万+
TensorBoard最全使用教程：看这篇就够了
HuggingFace (transformers) 自定义图像数据集、使用 DeiT 模型、Trainer 进行训练回归任务
weixin_46034990的博客
01-16 3195
使用 Hugging Face 的 transformers 模块，自定义图像数据集，使用 transformers 的 DeiT 模型，Trainer 训练回归任务，并使用 transformers 内置的 Tensorboard 进行可视化。
22.自定义变量的Tensorboard可视化
potato123232的博客
10-19 404
代码和上一章差不多，我们在上一章的基础上进行更改 目录 1随epoch更改学习速率 2将变化情况写在文件中 1随epoch更改学习速率 我们当前想让学习速率随epoch的变化而变化，首先我们定义一个learning_rate随时间变化的函数 然后我们创建一个回调函数，使用tf.keras.callbacks.LearningRateScheduler()参数是上面创建的函数 然后把回调函数放在callbacks的列表中 此时进行训练我们还不能在tensorboard中...
使用 tensorboard 可视化模型、数据和训练
leetteel
09-16 1022
为了了解发生了什么，我们在模型训练时打印出一些统计数据，以了解训练是否在进行。 但是，我们可以做得更好：PyTorch 与 TensorBoard 集成，后者是一种用于可视化神经网络训练运行结果的工具。 本教程使用 Fashion-MNIST 数据集说明了它的一些功能，该数据集可以使用 torchvision.datasets 读入 PyTorch。 在本教程中，我们将学习如何： 读入数据并进行适当的转换（与之前的教程几乎相同）。 设置 TensorBoard。 写入 TensorBoard。 使用 Te
使用TensorBoard可视化训练过程
Alexa_的博客
07-22 2728
pytorch可视化
pytorch入门教程，涵盖数据加载，tensorboard使用，数据类型转换，torchvision中数据集的使用等等
最新发布
03-11
2、能够独立对官方数据集，自定义数据集进行处理、加载，训练，3、能够使用tensorboard记录神经网络训练过程数据，并使用可视化图表展示出来，4、能够使用训练好的神经网络模型去完成对应任务，6、文章提供了大量...
BMW-YOLOv4-Training-Automation：此存储库可让您开始训练最先进的深度学习模型，而几乎不需要或不需要任何配置！ 您提供标记的数据集或使用我们的BMW-LabelTool-Lite标记数据集，就可以立即开始训练并以许多不同的方式对其进行监视，例如TensorBoard或自定义的REST API和GUI。 使用YOLOv4和YOLOV3进行NoCode培训从未如此简单
02-02
您提供了标记的数据集，就可以立即开始训练并以许多不同方式（例如TensorBoard或自定义REST API和GUI）对其进行监视。 使用YOLOv4进行培训从未如此简单。 该存储库还与Yolov3培训具有交叉兼容性。 您还可以使用我们...
tensorflow tensorboard可视化并保存训练结果
lcczzu的专栏
06-13 5379
一、还是以mnist的例程，来演示tensorboard的可视化 1、先上代码： from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf dir = './MNIST_data' # 最好填绝对路径 # 1.Import data mnist = input_data.re...
resnet+tensorboard训练自己的数据集（小白向）
weixin_40341484的博客
10-07 2530
利用resnet迁移学习快速训练自己的数据集，结合tensorboard实时检测网络训练情况
【Pytorch学习】TensorBoard 可视化模型，以及训练过程
AI知识搬运工
02-16 2181
【Pytorch学习】TensorBoard 可视化模型，以及训练过程 1，TensorBoard 设置与写入 现在，我们将设置 TensorBoard，从torch.utils导入tensorboard并定义SummaryWriter，这是将信息写入 TensorBoard 的关键对象。 #首先定义模型 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.co.
【tensorflow2.0】16.自定义训练过程下的tensorboard
weixin_39122088的博客
06-12 364
    在开始之前首先说一下，因为我们的网络越来越深，数据量也越来越大，所以没有gpu的同学跑起来很浪费时间，而且对电脑伤害也很大，推荐一个免费试用gpu的网站，百度搜索colab~     接下来说一下如何在自定义训练中使用tensorboard： #创建summary writer实例 tf.summary.create_file_writer( logdir, max_queue=None, flush_millis=None, filename_suffix=None, name=None
自定义训练中使用Tensorboard
慕云
12-03 315
自定义训练中使用Tensorboard 1、相关代码 优化 optimizer = tf.keras.optimizers.Adam() 损失 loss_func = tf.keras.losses.SparseCategoricalCrossentropy() 定义损失 def loss(model, x, y): y_ = model(x) return loss_func(y, y_) 训练和测试相关参数 train_loss = tf.keras.metrics.Mean('t
如何在TensorFlow2.X中使用自定义训练循环的情况下在TensorBoard中绘制网络结构图（计算图）
kiva12138的博客
07-01 1436
遇到的问题 很多小伙伴在使用TensorFlow2.x的时候会进行自定义的循环，也就是自己采用for循环来逐个Epoch循环；同时又想将此时的网络图绘制在TensorBoard中。这个时候问题就出现了：TensorBoard在2.0以后的版本中的的网络图是默认在model.fit之中自动绘制的； # 使用fit函数的时候会自动绘制网络计算图 model.fit(trrain_dataset, epoch=10, ......) 倘若想要自定义训练循环则又需要手动绘制网络图。 # 自定义寻来你循环的时候，T
拓端tecdat|TensorFlow 2建立神经网络分类模型——以iris数据为例
大数据部落
09-14 1630
这个教程将利用机器学习的手段来对鸢尾花按照物种进行分类。本教程将利用 TensorFlow 来进行以下操作： 构建一个模型， 用样例数据集对模型进行训练，以及 利用该模型对未知数据进行预测。 TensorFlow 编程 本指南采用了以下高级 TensorFlow 概念: 使用 TensorFlow 默认的eager execution开发环境, 使用Datasets API导入......
TensorBoard实现训练可视化
岁月如歌
05-25 342
推荐：TensorBoard实现训练可视化 https://zhuanlan.zhihu.com/p/84215973 https://www.jianshu.com/p/321eb9d195cc
TensorBoard的最全使用教程：看这篇就够了
deephub
02-23 9万+
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中，我们将重点介绍 TensorFlow 的开源工具套件，称为 TensorBoard，虽然他是TensorFlow 的一部分，但是可以独立安装，并且服务于Pytorch等其他的框架。 什么是 TensorBoard？ TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。TensorBoard 的主要功能包括： 可视化模型的网络架构 跟踪模型指标，如损失和准确性等 检查
详解PyTorch项目使用TensorboardX进行训练可视化
热门推荐
浅度寺
02-28 13万+
目录什么是TensorboardX配置TensorboardX环境要求安装使用 pip 安装从源码安装使用TensorboardX一些tips 什么是TensorboardX Tensorboard 是 TensorFlow 的一个附加工具，可以记录训练过程的数字、图像等内容，以方便研究人员观察神经网络训练过程。可是对于 PyTorch 等其他神经网络训练框架并没有功能像 Tensorboard ...
pytorch中使用tensorboard实现训练过程可视化
@bangbang的博客
07-08 1311
1. 简介 TensorBoard主要模块： GRAPHS： 保存了模型的结构图，可以比较清晰的显示模型搭建的每一个模块 SCALARS： 保存了训练过程中的：Accuracy、tran_loss、Learning_Rate HISTOGRAMS： 保存了每一个层结构权重数值的分布 IMAGE:保存每个epoch图片的预测结果 2.花卉识别 利用ResNet网络实现花卉的识别，花卉下载，总共有5中花，分别存在不同文件夹中: 1. daisy 2. dandelion 3. roses 4. sunfl
tensorboard怎么使用
05-13
TensorBoard 是一个由 TensorFlow 提供的可视化工具，可以帮助用户更好地理解和调试深度学习模型。使用 TensorBoard，您可以可视化训练过程中的损失和指标、模型结构、梯度直方图、嵌入向量等等。 下面是 TensorBoard 的使用步骤： 1. 在训练脚本中添加 TensorBoard 回调函数，例如： ``` from tensorflow.keras.callbacks import TensorBoard tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=1) model.fit(x_train, y_train, epochs=10, callbacks=[tensorboard_callback]) ``` 其中 `log_dir` 参数是指定 TensorBoard 日志文件的路径，`histogram_freq` 参数是指定记录梯度直方图的频率。 2. 在终端中运行 TensorBoard 命令，例如： ``` tensorboard --logdir=./logs ``` 其中 `--logdir` 参数是指定日志文件的路径。 3. 在浏览器中打开 TensorBoard 界面，例如： ``` http://localhost:6006 ``` 其中 `6006` 是默认的 TensorBoard 端口号，您也可以在运行 TensorBoard 命令时指定端口号。 在 TensorBoard 界面中，您可以查看训练过程中的损失和指标曲线、模型结构、梯度直方图、嵌入向量等等。如果您使用的是 TensorFlow 2.x 版本，还可以使用 `tf.summary` API 记录自定义的数据，例如： ``` with tf.summary.create_file_writer(log_dir).as_default(): tf.summary.scalar('loss', loss, step=step) tf.summary.scalar('accuracy', accuracy, step=step) ``` 使用 TensorBoard 可以更加直观地了解深度学习模型的训练过程，推荐大家在开发深度学习模型时使用。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Suyuoa

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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