Google Colab 中使用 tensorboard 绘制训练损失 loss 曲线

首先,在代码中使用 tensorboard 保存训练过程的 loss(确保已经安装了 tensorboard),可参考https://blog.csdn.net/haoshan4783/article/details/89970227

训练完毕后,使用以下代码绘制 loss 曲线:

%load_ext tensorboard
%tensorboard --logdir /your/content/directory

如果出现以下报错:

ERROR: Timed out waiting for TensorBoard to start. It may still be running as pid 4077.

则在上面的代码改为:

!pip uninstall -y tensorboard tb-nightly
!pip install -U tb-nightly
%load_ext tensorboard
%tensorboard --logdir /your/content/directory

如果出现以下报错:

TensorBoard attempted to bind to port 6006, but it was already in use

则需要手动指定端口(多尝试几个不同的端口):

!pip uninstall -y tensorboard tb-nightly
!pip install -U tb-nightly
%load_ext tensorboard
%tensorboard --logdir /your/content/directory --port 8800

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用Tensorboard来画出损失曲线图。首先,你需要在代码使用Tensorboard保存训练过程的损失值。具体的步骤如下: 1. 在代码导入Tensorboard和相关的库。 2. 在每个训练步骤记录损失值。 3. 使用TensorboardX工具包将损失值保存到日志文件。 4. 在终端窗口运行Tensorboard命令,指定要读取的日志文件的路径。 5. 在浏览器打开Tensorboard的地址,即可查看损失曲线图。 你可以使用以下代码来绘制损失曲线图: ``` %load_ext tensorboard %tensorboard --logdir /your/content/directory ``` 确保你已经安装了TensorboardTensorboardX工具包,可以参考相关文档和链接进行安装和配置。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Google Colab 使用 tensorboard 绘制训练损失 loss 曲线](https://blog.csdn.net/weixin_42311193/article/details/128242214)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [TensorboardX:如何在pytorch上画loss曲线图 | TensorboardX入门使用指南](https://blog.csdn.net/xiyou__/article/details/125618290)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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