本文主要介绍了pytorch实现训练过程可视化的两种方法,tensorboard或tensorboardX,同时介绍了常见错误command not found: tensorboard的解决方法。
方法一:通过tensorboard实现
- 复制文件logger.py至自己的项目目录下
- 在项目下建立tensorboard文件夹,存放可视化训练过程中产生的中间文件。
- 在代码中声明tf_logger = Logger(os.path.join(sys.path[0]+'/tensorboard/')),记录需要可视化的数据。
# set tf logger for tensorboard
4. 在当前目录下输入以下命令,启动tensorboard:
tensorboard --logdir='./tensorboard' --port='6006'
5. 系统提示command not found: tensorboard的解决方法:
- 首先确认系统已经安装tensorflow,如果没有安装,通过以下命令安装:
pip install tensorflow
- 在控制台输入pip show tensorflow,截图如下:
- 根据pip show tensorflow显示的安装路径,进入tensorboard安装目录:
cd /anaconda3/lib/python3.6/site-packages/tensorboard
- 在tensorboard安装目录下输入以下命令,注意--logdir对应的是tensorboard文件夹的绝对路径:
python main.py --logdir='/Users/xuawai/demo/tensorboard' --port=6006
6. 通过步骤4或步骤5,tensorboard启动成功,截图如下:
7. 浏览器打开http://localhost:6006,即实现可视化的训练过程:
方法二:通过tensorboardX实现
tensorboardX的github主页有详细的使用说明,基本步骤与方法一类似,在此不再赘述。
参考资料:
https:// github.com/yunjey/pytor ch-tutorial https:// github.com/lanpa/tensor boardX https:// stackoverflow.com/quest ions/45095820/tensorboard-command-not-found