在自己代码上使用tensorboard进行训练可视化

在自己代码上使用tensorboard进行训练可视化

因为自己在训练代码的过程中,有需要进行可视化的需求。所以就探究了下,如何进行可视化,并记录下来。
可视化的工具有很多,这里采用tensorboard进行训练可视化。


1. 导入tensorboard库

在这里看有些人都是下载tensorflow从而得到tensorboard,然后下载安装tensorboardX。
但是现在torch好像把tensorboard集成了进来,使用下面的代码导入,即可以使用tenosrboard。

from torch.utils.tensorboard import SummaryWriter

但是第一次使用可能会出现报错
出现ModuleNotFoundError: No module named ‘tensorboard‘错误
解决办法:
在自己运行的安装环境下,安装tb-nightly

pip install tb-nightly

2. 实例化SummaryWriter对象

在训练的main函数中,实例化SummaryWriter对象

#  实例化SummaryWriter对象
tb_writer = SummaryWriter(log_dir='runs')

这里的

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
使用PyTorch可视化TensorBoard的步骤如下: 1. 安装TensorBoard ``` pip install tensorboard ``` 2. 在PyTorch中创建SummaryWriter对象 ```python from torch.utils.tensorboard import SummaryWriter # 创建SummaryWriter对象 writer = SummaryWriter('runs/experiment_name') ``` 其中,`experiment_name`为实验名称,可以自定义。这里通过`runs`目录来存储实验数据。 3. 在训练或验证的过程中添可视化代码代码使用`writer.add_scalar()`方法来添可视化代码,方法的参数包括要可视化的变量名、变量值和步数。例如: ```python # 添训练损失 writer.add_scalar('Train/Loss', loss.item(), step) # 添验证准确率 writer.add_scalar('Validation/Accuracy', accuracy, step) ``` 4. 启动TensorBoard 在命令行中使用以下命令启动TensorBoard: ``` tensorboard --logdir runs ``` 其中,`--logdir`参数指定实验数据所在的目录。在上面的代码中,我们将实验数据保存在`runs`目录下。 5. 在浏览器中查看可视化结果 在浏览器中输入以下地址查看TensorBoard可视化结果: ``` http://localhost:6006/ ``` 这里是一个可视化变量曲线的代码示例: ```python import torch from torch.utils.tensorboard import SummaryWriter # 创建SummaryWriter对象 writer = SummaryWriter('runs/experiment_name') # 创建模拟数据 x = torch.linspace(-5, 5, 100) y = torch.sin(x) # 可视化曲线 for i in range(100): writer.add_scalar('Sin(x)', y[i], i) # 关闭SummaryWriter对象 writer.close() ``` 这段代码将生成一条正弦曲线,并将其可视化TensorBoard中。在TensorBoard中,我们可以选择`Scalars`选项卡来查看变量曲线。

“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 4
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