TensorBoard的使用

最新推荐文章于 2023-06-09 13:05:11 发布

ccq1n

最新推荐文章于 2023-06-09 13:05:11 发布

阅读量231

点赞数

分类专栏：【深度学习】文章标签： python

本文链接：https://blog.csdn.net/qq_29600137/article/details/128836606

版权

【深度学习】专栏收录该内容

3 篇文章 0 订阅

订阅专栏

该文指导如何使用SSH建立隧道，在远程Ubuntu服务器上执行模型训练，并通过本地电脑的浏览器实时查看Tensorboard的可视化结果。首先，使用ssh-L命令建立从本地到服务器的端口转发。然后，在服务器上启动Tensorboard，指定日志目录。最后，本地访问127.0.0.1:6006即可看到训练指标。

摘要由CSDN通过智能技术生成

在Ubuntu系数服务器上进行模型训练，在本地电脑上进行查看

1. 在本地使用ssh登录服务器

ssh -L 6006:127.0.0.1:6006 远程服务器用户名@远程服务器IP -p 服务器连接端口
(ssh -L 本地端口:本地IP:远程端口 远程服务器用户名@远程服务器IP -p 服务器连接端口)

2. 在服务器上运行tensorboard

tensorboard --logdir=./runs

3. 在本机浏览器运行

http://127.0.0.1:6006

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ccq1n

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
TensorBoard的使用

TensorBoard的使用
复制链接

扫一扫

专栏目录

TensorBoard可视化

6先生的博客

11-05

2万+

这里我们主要介绍了tensorboard可视化工具的管理，还有一些程序的代码，能够帮助我们很好的理解数据，辅助我们优化这里的程序。一、初识TensorflBoard #coding:utf-8 import tensorflow as tf #定义一个简单的计算图，实现向量的加法操作 input1 = tf.constant([1.0,2.0,3.0],name="input1") inp...

Linux 终端登录 Ubuntu 服务器运行 tensorboard 本地浏览器查看结果

sdnuwjw的博客

11-18

677

Linux 终端登录远程 Ubuntu 服务器 ssh -L 本地端口:127.0.0.1:TensorBoard端口用户名@服务器的IP地址 -p 服务器登录端口本地端口：查看 tensorboard 结果时，在浏览器中输入地址时的端口号（如：10086） TensorBoard 端口：运行 tensorboard 时指定的端口（如：6008）服务器登录端口：登录服务器时的默认端口，如果不需要端口，则省略 -p 及其后的端口号（如：2020）实例： ssh -L 10086:127.0..

参与评论您还未登录，请先登录后发表或查看评论

使用ssh登录服务器进行TensorFlow训练时，本地查看Tensorboard的方法

12-02

1224

当使用服务器进行模型训练时，想要查看一些可视化结果，如果远程服务器和本机在一个局域网内，可以通过以下命令解决：登录服务器：先用ssh工具重定向：ssh -L 16006:127.0.0.1:10006 username@remote_server_ip -p 10006 其中：16006代表自己本机的端口号，10006是服务器上tensorboard使用的端口号。启动Te...

tensorboard使用

flying_ant2018的博客

02-09

243

tensorboard

TensorBoard详解之安装使用和代码介绍

wuzhihuaw的博客

11-17

2万+

目录1.TensorBoard详解1.1 环境1.2 安装1.3 展示1.4说明2.使用2.1步骤2.2常用镜像网址3.代码讲解3.1 函数介绍3.2 示例代码 1.TensorBoard详解 TensorBoard是一个可视化的模块，该模块功能强大，可用于深度学习网络模型训练查看模型结构和训练效果（预测结果、网络模型结构图、准确率、loss曲线、学习率、权重分布等），可以帮你更好的了解你要学习的网络模型。 1.1 环境本设备使用的环境为： tensorflow-gpu 2.4.0 cuda 11.0

tensorboard使用教程

01-27

发现tensorboard是个好工具，但一直没使用。本文是学习笔记主要用的是tf.summary,主要包括：1.tf.summary.histogram(生成Histogram和distribution),代码示例：2.tf.summary.scalar：主要用于记录诸如：准确率、损失...

tensorboard 使用方法

04-06

tensorboard 使用方法

Tensorboard使用

01-06

with tf.name_scope('loss_value'): loss=tf.reduce_mean(tf.losses.softmax_cross_entropy(onehot_labels=y_, logits=y))+tf.add_n(tf.get_collection('losses')) # loss=np.square(y-y_)) # 监视loss值 ...

TensorBoard最全使用教程：看这篇就够了

qq_41656402的博客

06-09

4万+

TensorBoard最全使用教程：看这篇就够了

tensorboard 在 Linux服务器上的本地使用方法

Lily的博客

05-18

2973

1. 应有tensorboard生成文件形如： 2. 应有tensorboard： pip install tensorboard 1 步骤 1. 打开一个本地session，以下为MobaXterm中显示： 2. 输入命令： ssh -L 16006:127.0.0.1:6006 <服务器登录用户名>@<服务器地址> 1 例如： ssh -L 16006:127.0.0.1:6006 aaa@111.11.31.111 1 其中： 1）替换端口名、服务器登录用

windows连接服务器docker中的tensorboard

南国那片枫叶的博客

07-06

2619

一、流程如下： 1，首先服务器创建docker的时候需要使用-p将服务器的p0（如6007，也可以和p1一样）映射到docker容器里面的端口p1（一般用6006，因为tensorboard默认端口是6006） 2，通过-p将服务器p2端口映射到容器的22端口 3，在容器里的命令行启动tensorboard，tensorboard --logdir=your path --bind_all --port p1，我这边发现不加--bind_all会失败(有时不会)，--port可以不用添加，默认使用60

【tensorboardX】Pytorch使用tensorboardX可视化！超详细！！！

华仔的博客

07-26

6116

文章转自：https://www.jianshu.com/p/46eb3004beca 源码：https://github.com/miaoshuyu/pytorch-tensorboardx-visualization 1 引言我们都知道tensorflow框架可以使用tensorboard这一高级的可视化的工具，为了使用tensorboard这一套完美的可视化工具，未免可以将其应用...

Tensorboard深入详解（一）——使用keras结合Tensorboard可视化神经网络详细教程

MIss-Y的博客

05-15

2万+

前言：tensorboard是一个非常强大的工具、不仅仅可以帮助我们可视化神经网络训练过程中的各种参数，而且可以帮助我们更好的调整网络模型、网络参数，这一块类容后面会讲到，不管是tensorflow、keras、还是pytorch，tensorboard都提供了非常好的支持，本文是系列文章的第一篇，详细介绍基于keras+tensorboard如何来进行网络的可视化。写这篇文章的初衷很简单...

Tensorboard详解

云中寻雾的博客

08-19

1万+

1. Tensorboard简介对大部分人而言，深度神经网络就像一个黑盒子，其内部的组织、结构、以及其训练过程很难理清楚，这给深度神经网络原理的理解和工程化带来了很大的挑战。为了解决这个问题，tensorboard应运而生。Tensorboard是tensorflow内置的一个可视化工具，它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，因而tensorbo

详解PyTorch项目使用TensorboardX进行训练可视化