【PyTorch教程】P8-9 Tensorboard使用

已于 2023-07-15 18:12:58 修改
阅读量5.4k 收藏 18
点赞数 11
分类专栏： Python/Pycharm 深度学习/PyTorch 图像处理 文章标签： 计算机视觉 图像处理 深度学习 pytorch
于 2022-03-08 21:21:07 首次发布
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/weixin_42306148/article/details/123363465
版权

完整目录

完整笔记

  • 使用这个工具，可以看到具体某一步骤时的输入和输出。
    在这里插入图片描述

  • 需要指定一个文件夹，把创建的事件文件存下来。这是Summarywriter的init当中做的。

  • 还有其他参数可以设置，略了。

  • 一般使用这两个方法：
    在这里插入图片描述
    注意add_scalar里面的参数，代表了图中横纵坐标的轴名称：
    在这里插入图片描述
    举例子：SummaryWriter是个class，需要将它实例化：
    在这里插入图片描述

  • 如何打开浏览器看图？
    Port那里是为了避免跟别人冲突，自己定义一个数值：
    在这里插入图片描述
    如果出现“刷新之后产生了以外变化”，就把原来的logs文件夹删掉，重新运行就好了：
    在这里插入图片描述

  • add_image方法的使用：注意输入类型的要求：
    print（type（img）），PIL读取的类型不行；

  • 视频中，用PIL转成了numpy类型作为输入了。
    在这里插入图片描述
    在这里插入图片描述

  • 以上代码出的问题是：通道（H,W,C）需要转换：
    那个20行最后一个参数 dataformats 可以把这个顺序转换过来。

可以运行的代码

# ！usr/bin/env python3
# -*- coding:utf-8 -*-

"""
author :24nemo
 date  :2021年07月07日
"""

import numpy as np
from PIL import Image
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")
image_path = "data/train/ants_image/6240329_72c01e663e.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("train", img_array, 1, dataformats='HWC')  # 数字 1 代表一共有几个步骤，网页中会出现滑块，可以拖动
# y = 2x
for i in range(100):
    writer.add_scalar("y=2x", 3 * i, i)

writer.close()
'''

终端：
tensorboard --logdir=logs --port=6007

logs文件可以删除，重新运行

'''

完整目录

nemo_0410
关注
  • 11
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
pytorch-sentiment-analysis-classification:情感分析分类的PyTorch教程（RNN，LSTM，Bi-LSTM，LSTM + Attention，CNN）
05-24
情感分析分类 先决条件 安装依赖项 pip install -r requirements.txt 安装Spacy英语数据 python -m spacy download en 框架 火炬 数据集 Cornell MR（电影评论）数据集 实施 RNN LSTM 双LSTM LSTM +注意 有线电视新闻网
DQN-using-PyTorch和ML-Agents：如何使用PyTorch和ML-Agents环境实现基于矢量的DQN的简单示例
02-06
使用PyTorch和Unity ML-Agent进行深度Q网络（DQN）强化学习 一个简单的示例，说明如何使用PyTorch和ML-Agents环境实现基于矢量的DQN。 深度强化学习（DRL）中的Udacity Danaodgree项目 该存储库包含以下与DQN相关的文件： dqn_agent.py-> dqn-agent实现 replay_memory.py-> dqn-agent的重播缓冲区实现 model.py->用于基于向量的DQN学习的示例PyTorch神经网络 train.py->初始化并实施DQN代理的训练过程。 test.py->测试受过训练的DQN代理 根据Udacit
SummaryWriter基本用法
最新发布
ym62033的博客
03-21 473
SummaryWriter是PyTorch中的一个工具，用于将模型训练过程中的日志保存到TensorBoard中。可以通过使用SummaryWriter的add_scalar()方法来保存损失函数、准确率等标量信息，使用add_histogram()方法来保存权重、梯度等张量信息，使用add_image()方法来保存图像信息等。
a-PyTorch-Tutorial-to-Image-Captioning:显示，参加和讲述| PyTorch教程以进行图像字幕
05-07
这是图像字幕的教程。 这是我正在编写的第一篇，是关于如何使用令人惊叹的PyTorch库自己实现酷模型的。 假定具备PyTorch，卷积和递归神经网络的基本知识。 如果您是PyTorch的新手，请先阅读PyTorch的和 。 问题，建议或更正可以作为问题发布。 我在Python 3.6使用PyTorch 0.4 。 2020年1月27日：添加了两个新教程的工作代码-和 内容 客观的 为了构建可以为图像生成描述性标题的模型，我们提供了它。 为了使事情简单，让我们实现“显示，出席和讲述”文件。 这绝不是当前的最新技术，但仍然相当惊人。 作者的原始实现可以在此处找到。 该模型学习在哪里看。 当您逐字生成标题时，可以看到模型的视线在图像上移动。 这是有可能的，因为它具有“注意”机制，该机制可以使其专注于图像中与下一个要说的单词最相关的部分。 以下是在训练或验证期间未看到的测试图
Pytorch-Memory-Utils:pytorch内存跟踪代码
05-12
Pytorch-Memory-Utils 这些代码可以帮助您在使用Pytorch进行训练期间检测GPU内存。 有关此工具的博客，并解释了详细信息： : 用法： 将modelsize_estimate.py或gpu_mem_track.py放在当前工作目录下并导入它们。 以下是打印内容。 计算单个模型的内存使用量 Model Sequential : params: 0.450304M Model Sequential : intermedite variables: 336.089600 M (without backward) Model Sequential : intermedite variables: 672.179200 M (with backward) 跟踪GPU内存使用量 # 30-Apr-21-20:25:29-gpu_mem_track.txt GPU
a-PyTorch-Tutorial-to-Image-Captioning-master_pytorch_
09-30
讲解如何入门PyTorch，包括基础原理知识、numpy与PyTorch的区别以及案例研究实例
DL - TensorBoard
伊织看世界
01-02 1715
TensorBoard 文章目录TensorBoard一、安装 TensorBoard启动二、使用1、显示坐标轴2、展示图片使用注意 一、安装 TensorBoard (base) $ sudo pip install tensorboard==1.15.0 tensorflow 1.14.0 requires tensorboard<1.15.0,>=1.14.0, but you have tensorboard 1.15.0 which is incompatible. Import
深度学习必备工具之tensorboard的使用
weixin_43915208的博客
06-10 614
一.代码部分 from tensorboardX import SummaryWriter writer = SummaryWriter(log_dir='exp/scalar'） #存放路径 writer.add_scalar("acc/train epoch acc:",acc,epoch) #分组acc表格下，标题为train epoch acc，横坐标epoch值，纵坐标acc值 wr...
15、Tensorboard 的使用
Man
11-27 4279
一、TensorBoard 简介及使用流程1、TensoBoard 简介 TensorBoard 和 TensorFLow 程序跑在不同的进程中，TensorBoard 会自动读取最新的 TensorFlow 日志文件，并呈现当前 TensorFLow 程序运行的最新状态。 2、TensorBoard 使用流程 添加记录节点：tf.summary.scalar/image/histog
tensorflow可视化tensorboard
Keep calm and carry on.
09-23 5057
本笔记主要讲如何运用tensorflow看自己创建网络的结构。 可以通过with tf.name_scope(‘weights’):来添加模块的名称，并且with可以嵌套。对于变量也可以通过name参数来定义名字。然后在终端里输入 tensorboard –logdir=logs，再在浏览器里打开相应地址即可。 from __future__ import print_function impor
pytorch中tensorboard的使用
qq_42019881的博客
04-27 1万+
1.首先介绍一下tensorboard TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。它通过运行一个本地服务器，来监听6006端口。在浏览器发出请求时，分析训练时记录的数据，绘制训练过程中的图像。 2.如何用tensorboard实现Pytorch的模型结构可视化 1.1安装tensorboa.
Tensorboard的使用
booze_的博客
06-22 2836
tensorboard的使用（常用方法及可视化）
【人工智能概论】 PyTorch可视化工具Tensorboard安装与简单使用
qq_44928822的博客
01-18 5583
PyTorch可视化工具Tensorboard安装与简单使用
TensorboardX使用疑问
qq_46382359的博客
08-31 308
具体使用疑问1. 如何在Tensorboard中编辑坐标系？ 1. 如何在Tensorboard中编辑坐标系？ 我是想直接生成响应图片，以便于导入论文中。Tensorboard的优点在于可以调整曲线的柔和值，让参差不齐的原始loss函数等数据美观。 但是只能生成svg图片，这我就忍了，但是为什么无法编辑坐标系？ 如果能直接编辑坐标轴的名称，或者增加图像名称多好啊。 为什么好多人都用pytorch呢？除了编程方便，没有方便的可视化工具，太反人类了。 互联网上仅有初级的使用教程，没有在使用和具体科研的操作之间
（傻瓜教程）TensorBoard可视化工具简单教程及讲解（TensorFlow与Pytorch）
热门推荐
如何心安理得的在老板眼皮下摸鱼
06-10 6万+
首先庆祝踩坑踩了一万个的我终于搞懂TensorBoard的原理了，是我太蠢了！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！ 首先说明一下Tensorboard是个神马东西，官方给出的声明：TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。 都是废话！就是画图的...
详解Tensorboard及使用教程
weixin_53598445的博客
11-13 5万+
目录一、什么是Tensorboard二、配置Tensorboard环境要求安装三、Tensorboard的使用使用各种add方法记录数据单条曲线(scalar)多条曲线(scalars)直方图(histogram)图片(image)渲染(figure)网络(graph)其他三、结语 一、什么是Tensorboard Tensorboard原本是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。PyTor
Pycharm控制台或cmd命令行无法识别tensorboard命令
不做菜虚困的博客
07-05 331
当我们想在pycharm控制台或cmd命令行使用tensorboard时，发现控制台无法识别tensorboard命令。排查一番，发现自己安装了tensorboard，为什么用不了呢？这种情况主要发生在使用了虚拟环境中，并且在虚拟环境中使用的pip命令安装的tensorboard，这是就会出现怎么也识别不了tensorboard命令的情况。
PyTorch深度学习入门笔记（四）TensorBoard的使用
一名FPGA芯片设计爱好者的技术博客
01-12 862
课程学习笔记，课程链接 学习笔记同步发布在我的个人网站上，欢迎来访查看。 文章目录一、TensorBoard1.1 SummaryWriter1.2 首先安装TensorBoard: pip install tensorboard 一、TensorBoard 1.1 SummaryWriter from torch.utils.tensorboard import SummaryWriter 从函数介绍可知：这个类主要是将事件文件写入 log_dir文件夹，可以被TensorBoard解析。 要用到其
tensorBoard的使用以及常用的transform(第四期)
qq_56109699的博客
01-18 354
tensorBoard的使用 作用:可以将训练中的每一步的数据和图像的变换以可视化的形式展示出来。 tensorBoard 为pytorch 自带的库，安装了pytorch后可直接导入
loss曲线 pytorch_PyTorch下的Tensorboard 使用
06-08
好的，我可以为您解答这个问题。在PyTorch中，可以使用Tensorboard来可视化训练过程中的loss曲线。以下是一些使用Tensorboard的步骤： 1. 安装Tensorboard: ```python pip install tensorboard ``` 2. 在PyTorch中导入Tensorboard: ```python from torch.utils.tensorboard import SummaryWriter ``` 3. 创建一个SummaryWriter对象: ```python writer = SummaryWriter(log_dir='logs') ``` 4. 在训练过程中，将loss写入到tensorboard中: ```python for epoch in range(num_epochs): for i, (inputs, labels) in enumerate(train_loader): # 前向传播、反向传播等操作 # 计算loss loss = ... # 将loss写入tensorboard writer.add_scalar('train_loss', loss, epoch * len(train_loader) + i) ``` 5. 运行Tensorboard: ```python tensorboard --logdir=logs ``` 6. 打开浏览器，在地址栏输入http://localhost:6006/，进入Tensorboard可视化界面。 在Tensorboard上，您可以查看loss曲线、学习率曲线等。希望这个回答对您有所帮助！

“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 4
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