【AI】PyTorch入门（九）：模型、数据、训练过程的可视化工具TensorBoard

郭老二

已于 2023-05-10 21:58:25 修改

阅读量673

点赞数 1

分类专栏： AI 文章标签： pytorch 人工智能 python

于 2022-09-13 21:19:51 首次发布

本文链接：https://blog.csdn.net/u010168781/article/details/126829009

版权

AI 专栏收录该内容

103 篇文章 63 订阅 ¥69.90 ¥99.00

订阅专栏

本文介绍了如何使用TensorBoard在PyTorch中进行模型和训练过程的可视化，包括数据集加载、网络模型构建、训练过程的各个阶段的可视化展示，以及如何评估经过训练的模型。

摘要由CSDN通过智能技术生成

AI学习目录汇总

1、简述

之前的示例都是通过打印来显示数据和训练过程。
现在PyTorch和TensorBoard结合可以可视化数据、训练过程、评估结果

2、TensorBoard使用步骤

2.1 准备工作

1）需要安装库：

pip install tensorboard
pip install matplotlib

2）获取数据集

读取数据并进行适当的转换，这里使用FashionMNIST数据集。

import matplotlib.pyplot as plt
import numpy as np

import torch
import torchvision
import torchvision.transforms as transforms

import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

# 数据转换方法
transform = transforms.Compose(
    [transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))])

# 训练及测试数据集
trainset = torchvision.datasets.FashionMNIST('./data',
    downlo

了解本专栏