pytorch 反卷积可视化_Pytorch训练可视化(TensorboardX)

最新推荐文章于 2022-08-22 17:56:03 发布

心在天上脚在地上

最新推荐文章于 2022-08-22 17:56:03 发布

阅读量432

点赞数 1

文章标签： pytorch 反卷积可视化

本文链接：https://blog.csdn.net/weixin_34765290/article/details/112529146

版权

本文介绍了如何使用TensorboardX在Pytorch中进行网络训练的可视化，包括标量变化、权重直方图、卷积核与特征映射的可视化，并展示了具体代码与效果。通过对Cifar10的ResNet模型训练，展现了TensorboardX在监测和理解模型训练过程中的作用。

摘要由CSDN通过智能技术生成

今天我们来聊一聊数据可视化的问题，在这里向大家推荐一个大佬开源的教程，我的可视化的工作也是从他的教程借鉴而来的，再次表达感谢！

开源教程地址：

tensor-yu/PyTorch_Tutorialgithub.com

Pytorch框架也有自己的可视化软件--Visdom，但是我用着不太习惯，感觉它的API也不太方便，参数设置过于复杂，而且可视化的功能性并不是太强，所以有人就写个库用来将Pytorch中的参数放到tensorboard上面进行可视化，十分方便！

tensorboadX

这相当于一个辅助工具，可以把Pytorch中的参数传递到Tensorboad上面，那么如何进行安装呢？分为三个步骤：

pip install tensorboardX
pip install tensorboard
pip install tensorflow

注意numpy的版本要对应，否则会报错，如果不匹配，那就进行更新或者新建虚拟环境了！

网络训练（Cifar10）

首先，我使用了非官方的代码对Cifar10进行训练，类似于ResNet, 由于Cifar10中的图片尺寸都很小，大约32x32，所以我们对传统的resnet进行了修改，其网络结构如下：
参考于官方的ResNet18并做如下修改：

由于像素太小，修改第一个卷积核步长为1，不进行下采样
修改通道，让通道变小些
删除layer4，不用再继续降采样了


# ResNet
class ResNet(nn.Module):
    def __init__(self, block, layers, num_classes = 10):   # block为残差模块
        super(ResNet, self).__init__()
        self.in_channels = 16
        self.conv = conv3x3(3, 16)
        self.bn = nn.BatchNorm2d(16)
        self.relu = nn.ReLU(inplace=True)