tensorboard 总是将历史events文件数据一并输出

我们可以将每次运行数据放在不同文件夹中,例如运用时间戳自动生成不同的文件夹存储events:

from datetime import datetime
TIMES = "{0:%Y-%m-%d---%H-%M-%S/}".format(datetime.now())

train_logs = 'train/' + TIMES
test_logs= 'test/'   + TIMES
writer = SummaryWriter(logdir='logs')
...
writer.add_scalars(train_logs,{'ofitloss':loss_ofit.item(),'droploss':loss_drop.item()}, epoch)
writer.add_scalars(test_logs,{'droploss-test':drop_loss.item(),'origloss-test':orig_loss.item()}, epoch)

效果如下:

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在使用tensorboard可视化网络参数时,可能会产生多个events文件,导致在tensorboard上显示非常混乱。解决这个问题的一个方法是将每次生成的events文件保存在不同的路径下,可以使用时间戳作为路径名。通过这种方式,每个实验的events文件可以分别显示,不会混乱在一起。具体操作可以参考以下代码: from datetime import datetime TIMESTAMP = "{0:%Y-%m-%dT%H-%M-%S/}".format(datetime.now()) ... train_log_dir = 'logs/train/' + TIMESTAMP test_log_dir = 'logs/test/' + TIMESTAMP merged = tf.summary.merge_all() with tf.Session() as sess: writer_train = tf.summary.FileWriter(train_log_dir, sess.graph) writer_test = tf.summary.FileWriter(test_log_dir) ... # 在训练和测试过程中,将summary写入相应的writer writer_train.add_summary(summary_str_train, step) writer_test.add_summary(summary_str_test, step) ... 通过将每个实验的events文件保存在不同的路径下,可以避免多个events文件tensorboard上显示紊乱的问题,同时还能记录下每次训练的时刻。这样可以方便地进行观察和比较不同实验的结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [tensorboard多个events文件显示紊乱的解决办法](https://blog.csdn.net/shahuzi/article/details/81223980)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [解决tensorboard多个events文件显示紊乱的问题](https://download.csdn.net/download/weixin_38621565/12855569)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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