add_scalar和add_scalars函数

最新推荐文章于 2023-01-10 15:52:45 发布
最新推荐文章于 2023-01-10 15:52:45 发布
阅读量6.2k 收藏 16
点赞数 7
分类专栏： python零散知识总结 文章标签： python 可视化 数据可视化 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/qq_37844044/article/details/113878492
版权

add_scalar和add_scalars

这两个函数是用来保存程序中的数据，然后利用tensorboard工具来进行可视化的。

add_scalar

 sw.add_scalar('lr'   , optimizer.param_groups[0]['lr'], global_step=global_step)

这行代码的含义就是利用add_scalar函数来生成一个“lr”名称的二维函数，横轴X值为“optimizer.param_groups[0][‘lr’]”，纵轴Y值为global_step。

即：

    最低0.47元/天 解锁文章
    大梦冲冲冲
    关注
    • 7
      点赞
    • 踩
    • 16
      收藏
      觉得还不错? 一键收藏
    • 3
      评论
    专栏目录
    MAS.zip_SCALAR CONTROL_control_scalar synchronous
    09-20
    【标签】"scalar_control" 和 "scalar_synchronous" 都直接指向了这个主题，前者指的是控制策略，后者强调了这种控制应用在同步电机上。 在压缩包中的 "MasUF22.mdl" 文件可能是一个Simulink模型，它是MATLAB软件的...
    深度学习过程展现：Tensorboard之add_scalar（一代码一解析_含终极代码）
    最新发布
    2301_80127898的博客
    02-08 658
    摘要：介绍了如何生成封面图
    Tenserboard之add_scalar()和add_image()使用方法
    CYHR_2489的博客
    09-15 5553
    学习使用Tenserboard的常用技巧 常见的tensorboard使用函数包括： ①.add_scalar() 用于展示标量，数 .②add_image() 用于展示图片 一、标量可视化展示 首先导入模块????： from torch.utils.tensorboard import SummaryWriter 通常使用writer作为类名： writer = SummaryWriter("logs") 调用SumaryWriter()函数，将所需要展示的可视化内容存储到logs文件夹中 例如
    【TensorBoard系列】调用add_scalar()函数绘制accuracy和loss曲线
    qq_43307074的博客
    11-04 2460
    【TensorBoard系列】调用add_scalar()函数绘制accuracy和loss曲线
    pytorch中tensorboard的add_scalar与add_image
    热门推荐
    方悔读书迟
    07-16 1万+
    writer.add_scalar(tag, scalar_value, global_step=None, )：将我们所需要的数据保存在文件里面供可视化使用 tag（字符串）：保存图的名称 scalar_value（浮点型或字符串）：y轴数据 global_step（int）：x轴数据 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter("logs") x = range(100) for i in x:
    Pytorch ----- tansorboard (add_scalar、add_image) 参数详解+运行实例
    深度不学习！！的博客
    12-04 3221
    tansorboard (add_scalar、add_image) 参数详解+运行实例
    tensorboard的使用（一）：add_scalar()的使用
    jbkjhji的博客
    11-06 1132
    add_scalar()的使用，常用来绘制train/val loss
    AE2.rar_Different_scalar synchronous
    09-24
    标签“different scalar_synchronous”进一步强调了项目的核心内容，即探讨了不同标量驱动策略对同步电机性能的影响。这可能包括了对电机启动、调速、负载变化响应等特性的研究。 压缩包内的文件名列表显示了多个...
    pwm.rar_SCALAR CONTROL_control_control scalar
    09-24
    PWM（Pulse Width Modulation）技术在SCALAR CONTROL（标量控制）中的应用主要涉及到数字信号处理和电力电子领域。JPEG格式与这个主题看似不直接相关，但在这里可能是指图像数据处理的一种方式，用于理解控制系统的...
    open_loop.rar_SCALAR CONTROL_control_pmsm
    09-24
    总结起来，"open_loop.rar_SCALAR CONTROL_control_pmsm"这一主题涉及到永磁同步电机的标量控制，这是一种将交流电机控制简化为类似直流电机控制的方法，包括电压和电流控制两个方面，并通过Simulink模型进行系统...
    VFEstator.rar_SCALAR CONTROL_control_frequency control_inverter
    07-13
    Frequency inverter inverter use for MIT scalar control
    Tensorboard的使用
    booze_的博客
    06-22 2895
    tensorboard的使用（常用方法及可视化）
    TensorBoard功能详解及实例说明
    qq_39333636的博客
    06-18 3056
    TensorBoard 是 TensorFlow 中强大的可视化工具，支持标量、文本、图像、音频、视频和 Embedding 等多种数据可视化。在 PyTorch 中也可以使用 TensorBoard，具体是使用 TensorboardX 来调用 TensorBoard。除了安装 TensorboardX，还要安装 TensorFlow 和 TensorBoard，其中 TensorFlow 和 TensorBoard 需要一致。T...
    TensorBoard的使用1（add_scalar函数）
    weixin_44943389的博客
    11-06 848
    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一开始只能在tensorflow中使用。
    Pytorch中使用tensorboard学习笔记(4)添加标量add_scalar和add_scalars
    敲代码的小风
    12-11 3921
    参考链接: add_scalar 代码: from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter() x = range(100) for i in x: writer.add_scalar('林祖泉y=2x林麻子', i * 2, i) writer.close() # tensorboard --logdir=runs 截图展示:
    12.TensorBoard使用
    老毛的博客
    11-15 469
    文章目录内容简介SummaryWriteradd_scalar & add_histogram1.add_scalar（）2.add_scalars（）3.add histogram（）4.add_image（）torchvision.utils.make_grid模型指标监控add_image and torchvision.utils.make_gridAlexNet卷积核与特征图可视...
    【学习笔记】【Pytorch】二、TensorBoard的使用
    qq_45772756的博客
    01-10 1590
    一、**TensorBoard**的安装 二、**SummaryWriter类**的使用 - add_scalar() 作用：常用来绘制**train/val loss**，观察训练过程中**loss**的变化，判断模型的好坏。 - add_image() 作用：常用来观察训练结果。
    Python之旅09：模块
    qq_43158393的博客
    10-29 473
    一、time时间模块 import time #时间戳 #计算从1970-1-1 00：00：00 print(time.time()) 1540693781.1374946 #结构化时间---本地时间 print(time.localtime()) t = time.localtime() print(t.tm_year)#2018 time.struct_time(tm_year=2...
    P7 TensorBoard的使用（一）
    sinat_41942180的博客
    04-27 248
    1、TensorBoard的安装 2、add_scalar()的使用（常用来绘制train/val loss） 打开pycharm，设置环境 SummaryWriter类的使用 from torch.utils.tensorboard import SummaryWriter 点中SummaryWriter，按中command出现该类的解释，是一个直接向log_dir文件夹写入的事件文件，该文件可以对tensorboard进行一个解析。包括初始化函数，需要写文件夹的名称（也可以不写） 按c..
    绘制损失函数的曲线图
    09-22
    绘制损失函数曲线可以使用两种方法，一种是使用TensorBoard，另一种是使用matplotlib。 使用TensorBoard的方法如下： 首先，需要导入必要的库和函数： ```python from torch.utils.tensorboard import SummaryWriter import loadFromPickle import drwaLossFunction ``` 接下来，创建pickle文件并获取相关信息： ```python drwaLossFunction.createPickleFiles() info = loadFromPickle.getInfo() ``` 然后，使用SummaryWriter创建一个writer对象，指定保存路径： ```python writer = SummaryWriter('绘制损失函数曲线/单独绘制') ``` 使用writer对象添加scalar数据，可以通过zip(*info)将epoch、置信度损失和定位损失分别对应起来： ```python for epoch, conf, loc in zip(*info): writer.add_scalar('置信度损失', conf, epoch) writer.add_scalar('定位损失', loc, epoch) ``` 关闭writer对象： ```python writer.close() ``` 如果需要进行三者对比，可以创建一个新的writer对象，并使用add_scalars函数添加多个scalar数据： ```python writer = SummaryWriter('绘制损失函数曲线/三者对比') for epoch, conf, loc in zip(*info): writer.add_scalars('损失函数', {'conf':conf, 'loc':loc, 'conf loc': conf loc}, epoch) writer.close() ``` 最后，使用命令行运行tensorboard来查看结果： ```python tensorboard --logdir=绘制损失函数曲线 ``` 使用matplotlib的方法如下： 首先，导入必要的库和函数： ```python import drwaLossFunction import loadFromPickle import matplotlib import matplotlib.pyplot as plt ``` 创建pickle文件并获取相关信息： ```python drwaLossFunction.createPickleFiles() info = loadFromPickle.getInfo() epoch, conf, loc = info ``` 使用plt.plot函数绘制定位损失和置信度损失曲线： ```python plt.plot(epoch, loc,'rx-.', label='定位损失') plt.plot(epoch, conf, 'go-', label='置信度损失') ``` 设置横纵轴的标签和图例位置： ```python plt.xlabel('训练世代: epoch') plt.ylabel('损失值: loss') plt.legend(loc='upper right', frameon=True) ``` 显示图形： ```python plt.show() ```

    “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 3
    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
    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