pytorch:使用tensorboardX可视化网络模型时add_graph位置报错

1.报错信息

TypeError: graph() got an unexpected keyword argument ‘use_strict_trace’

提示 graph()这个函数多了一个参数’use_strict_trace’;
在这里插入图片描述
也觉得应该是tensorboardX版本问题,但uninstall 再insatall之后也不行,用另一台机子也是同样的报错;

2.解决方式

既然说:graph()这个函数多给了这个实参,那就转到graph()看它的形参有哪些:

首先:点击报错位置链接的py文件,锁定报错代码位置
在这里插入图片描述
在这里插入图片描述其次,查看graph()的定义,看是否有’use_strict_trace’这个形参
在这里插入图片描述
发现,该函数没有该实参。

最后,删除调用graph()函数中的“use_strict_trace=use_strict_trace”。
在这里插入图片描述

3.结果

运行成功
在这里插入图片描述
执行 runs 文件下生成的图表数据
在这里插入图片描述
网址输入到浏览器即可
在这里插入图片描述

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
PyTorch中,你可以使用TensorBoard来查看网络结构。下面是一些步骤供你参考: 1. 首先,确保你已经安装了TensorBoardTensorBoardX库。你可以使用以下命令来安装它们: ``` pip install tensorboard pip install tensorboardX ``` 2. 在你的代码中,导入TensorBoardX库: ```python from tensorboardX import SummaryWriter ``` 3. 创建一个`SummaryWriter`实例,并指定一个目录来保存TensorBoard日志: ```python writer = SummaryWriter('logs') ``` 4. 在你的网络定义中,使用`add_graph`方法将网络结构写入TensorBoard日志: ```python # 假设你的网络是一个nn.Module的子类 model = YourModel() input_tensor = torch.Tensor(batch_size, input_size) # 替换为你的输入张量 writer.add_graph(model, input_tensor) ``` 5. 在训练过程中,使用`add_scalar`方法将损失、准确率等训练指标写入TensorBoard日志: ```python # 在每个训练迭代中调用 writer.add_scalar('loss', loss.item(), global_step) # 根据你的训练迭代次数更新global_step ``` 6. 最后,运行TensorBoard服务器以查看网络结构和训练指标。在命令行中执行以下命令: ``` tensorboard --logdir=logs ``` 7. 打开浏览器,访问`http://localhost:6006`,你应该能够在TensorBoard中看到网络结构和训练指标。 这是一种基本的使用方法,你还可以通过TensorBoard进行更多高级功能的可视化,如直方图、图像等。请查阅TensorBoardTensorBoardX的文档以获取更多信息。

“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 2
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