pytorch使用tensorboard查看训练中数据

最新推荐文章于 2022-11-13 10:10:39 发布
最新推荐文章于 2022-11-13 10:10:39 发布
阅读量1.2k 收藏 2
点赞数
分类专栏： pytorch 文章标签： pytorch 神经网络
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_42826815/article/details/106258775
版权

pytorch使用tensorboard查看训练中数据

下载安装

  1. conda install tensorflow-gpu
  2. pip install tensorboardx或者github源码下载使用python setup.py install

代码中使用

本部分可以参考官方文档：https://tensorboardx.readthedocs.io/en/latest/tutorial.html

启动

tensorboard --logdir=** --port=6000
这里要注意三点：
1.logdir的位置是含有enevts.out.的文件夹

2.port不设置的话默认为6006，这可能会产生端口冲突，所以这里可以自己设定端口号(我记得这些可以在一个配置文件中设定，忘记配置文件怎么生成了，大家如果知道欢迎告诉我)

3.设置远程服务器上浏览。这时需要
<1>定向服务器端口到本地机器：ssh -L 10086:127.0.0.1:6000 user@219.223.xxx.xxx(服务器ip)
<2>服务器上启动tensorboard：tensorboard --logdir=** --port=6000
<3>本地机器打开链接127.0.0.1:10086

南山F1
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Ubuntu18.04LTS日志7-采用Pytorch服务器看tensorboard图的一些技巧
weixin_41666001的博客
10-29 459
采用服务器跑程序的时候，如果想要查看模型的节点图，可以下载tensorboard和tensorboardx来实现。 pip install tensorboard pip install tensorboardx 我采用的方法是将远程的tensorboard图下载到本地，然后用自己编译器自带的tensorboard来查看。 两种方法 （1）方法1 在图的文件夹目录下启动终端，输入tensorb...
Python-PyTorch的tensorboard插件
08-11
Tensorboard是TensorFlow的一个组件，它提供了一个交互式的可视化界面，用于展示和理解训练过程中的各种数据，如损失函数、精度、网络结构以及激活分布等。在PyTorch中，我们可以借助`torch.utils.tensorboard`...
3. PyTorch中Tensorboard的使用（训练过程可视化）
崔凯元的笔记
03-03 1116
安装Tensorboard pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple SummaryWriter 首先定义一个SummaryWriter类的实例 writer = SummaryWriter("logs") 使用Ctrl+鼠标左键Ctrl + 鼠标左键Ctrl+鼠标左键点击SummaryWri...
极简Python学习教程-----TensorBoard可视化（使用TensorBoard查看远程服务器的训练情况）
qq_28057379的博客
06-19 365
原理：建立ssh隧道，实现远程端口到本地端口的转发，具体来说就是将远程服务器的（10240-10249）端口转发到本地的16006端口，在本地对16006端口的访问即是对远程（10240~10249）端口的访问。 步骤： 1、在登录远程服务器的时候使用命令(ip地址：127.0.0.1指代本地主机)： ssh -L 16006:127.0.0.1:10240 account@server.address 2、训练完模型后使用： tensorboard --logdir=./logs --port=1024
Pytorch之Tensorboard（可视化）
记录学习的小白
04-18 1725
在torch里使用tensorboard是在这里 from torch.utils.tensorboard import SummaryWriter 然后如果进入后打开structure可以查看该包内的对象和方法,比如说比较常用的这几个方法 add_scalar add_image add_graph 等 说回来,想要使用tensorboard,先实例化,指定event文件的文件夹 writer = SummaryWriter("logs") 然后先说一下之后能用的格式Image、li
【pytorch笔记】第三篇 Tensorboard使用
青鸠的博客
11-08 665
Tensorboard使用
pytorch使用tensorboardX进行loss可视化实例
09-17
TensorBoardX是一个PyTorch与TensorFlow的TensorBoard接口，它允许用户在PyTorch环境中方便地实现数据可视化，包括损失曲线、参数分布等。 要使用TensorBoardX进行loss可视化，首先需要通过pip安装TensorBoardX库：...
一学就会 | 基于PyTorch的TensorBoard可视化
12-21
【PyTorch中的TensorBoard可视化】是深度学习开发者不可或缺的工具，它可以帮助我们直观地理解模型的训练过程和性能。TensorBoard提供了丰富的可视化功能，包括神经网络架构的展示、损失和精度等指标的变化、张量的...
用TensorBoard可视化PyTorch
最新发布
04-07
要将PyTorch与TensorBoard结合起来，可以使用`tensorboardX`库，这是一个提供了与TensorBoard兼容的API的库，使得可以从PyTorch中记录数据并在TensorBoard中查看。不过，从PyTorch 1.1.0起，官方直接内置了对...
查看Tensorboard
m0_68382801的博客
11-13 1940
查看Tensorboard
pytorch的数据可视化
m0_45827246的博客
01-11 1015
pytorch的数据可视化需要先安装TensorBoard。如果使用Anaconda，则需要进入相应的虚拟环境安装该包。 pip install tensorflow-tensorboard==1.5.1 pip install tensorboard==1.14.0 注意，tensorboard的版本需要大于等于1.14.0，否则在pytorch环境下使用会报错。 下面以简单线性回归模型为例，使用线性回归模型进行经典的波士顿房价预测，并对训练损失过程进行可视化展示。 import torch impor
在下载pytorch的时候如何查看GPU型号以及pytorch的安装
qq_62904883的博客
08-16 3218
关于下载pytorch环境所遇到的问题,尤其是对什么GPU不了解的朋友,希望对你们有所帮助
【PyTorch】06训练过程
qq_41566530的博客
05-21 431
6 PyTorch训练过程 6.1 学习率调整 学习率(learning rate)：控制更新的步伐，注意：学习率不宜设置过大，也不宜设置过小 lr初始化： 设置较小数：0.01、0.001、0.0001 搜索最大学习率：《Cyclical Learning Rates for Training Neural Networks》 lr调整策略：学习率前期需设置大，后期需设置小 PyTorch 中常用的 lr_scheduler [学习率调整策略] PyTorch API：Doc —> torc
TensorBoard快速入门（Pytorch使用TensorBoard）
iioSnail的博客
07-03 4万+
TensorBoard 简介 TensorBoard 界面介绍 TensorBoard 安装 TensorBoard 运行 Pytorch 使用 TensorBoard Tensor折线图（Scalars）
详解PyTorch项目使用TensorboardX进行训练可视化
热门推荐
浅度寺
02-28 13万+
目录什么是TensorboardX配置TensorboardX环境要求安装使用 pip 安装从源码安装使用TensorboardX一些tips 什么是TensorboardX Tensorboard 是 TensorFlow 的一个附加工具，可以记录训练过程的数字、图像等内容，以方便研究人员观察神经网络训练过程。可是对于 PyTorch 等其他神经网络训练框架并没有功能像 Tensorboard ...
PyTorch TensorBoard 可视化数据和模型训练过程
海尔兄弟的博客
03-11 6949
本文源自 http://studyai.com/pytorch-1.4/intermediate/tensorboard_tutorial.html 在 60分钟闪电战 中，我们展示了如何加载数据，如何为我们定义为 nn.Module 的子类的模型提供数据， 如何在训练数据上训练此模型，并在测试数据上测试它。 为了了解发生了什么，我们打印了一些统计数据，因为模型正在训练，以了解训练是否在进步。 然...
PyTorch学习日志_20201031_训练分类器
weixin_46030441的博客
10-31 236
日期：2020.10.31 主题：PyTorch入门 内容： 根据PyTorch官方教程文档，学习PyTorch中的训练分类器。 根据自己的理解和试验，为代码添加少量注解。 具体代码如下 ↓ from __future__ import print_function import torch """ {训练分类器} """ """ 【数据处理】 对于图片，有Pillow，OpenCV等包可以使用； 对于音频，有scipy和librosa等包可以使用； 对于文本，不管是原生python
Pytorch查看可训练参数
开飞机的小毛驴儿
03-04 1151
转载自：https://blog.csdn.net/jeryjeryjery/article/details/83057199，本文只做个人记录学习使用，版权归原作者所有。 可以使用named_parameters()打印那些param.requires_grad=True的变量。 for name, param in model.named_parameters(): if par...
使用tensorboard查看mnist数据集的图片内容
美丽东的博客
06-08 2167
本文介绍了使用tensorboard查看mnist数据集的方法。参考《深入理解TensorFlow架构设计与实现原理》文章的最后，附完整代码。 先展示一下显示效果： 首先读入数据集 mnist = input_data.read_data_sets('data/mnist', one_hot=True) 定义输入的变量 with tf.name_scope('input'): x = ...
pytorch 使用tensorboard查看网络层
09-13
你可以使用PyTorch的TensorBoardX库来将PyTorch的训练过程和网络层可视化。下面是一个简单的步骤： 1. 安装TensorBoardX库： ``` pip install tensorboardX ``` 2. 在你的PyTorch代码中导入必要的库： ```python import torch import tensorboardX as tb ``` 3. 在你的代码中创建一个`SummaryWriter`对象，用于写入TensorBoard日志文件： ```python writer = tb.SummaryWriter() ``` 4. 将你想要可视化的数据写入`SummaryWriter`对象，例如网络层的权重和梯度： ```python for name, param in model.named_parameters(): writer.add_histogram(name, param, global_step) ``` 其中，`name`是网络层的名称，`param`是该层的参数，`global_step`是训练的全局步数。 5. 在训练过程中，使用`add_scalar`方法将其他需要可视化的数据写入`SummaryWriter`对象： ```python writer.add_scalar('Loss', loss.item(), global_step) ``` 6. 训练结束后，关闭`SummaryWriter`对象并保存日志文件： ```python writer.close() ``` 7. 启动TensorBoard服务器以查看可视化结果，命令如下： ``` tensorboard --logdir=path/to/log-directory ``` 其中，`path/to/log-directory`是你保存日志文件的路径。 在浏览器中打开TensorBoard的网址，你就可以查看网络层的可视化结果了。
评论
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