pytorch使用tensorboard实现可视化总结

一、介绍:

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 一样全面的类似工具,一些已有的工具功能有限或使用起来比较困难 (tensorboard_logger, visdom等) 。TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能。注:pytorch 1.1.0以后原生支持tensorboard,不需要安装tensorboardX

二、环境准备:

这个过程操作得比较繁琐,经历了以下几个步骤:

1.模型是在docker中运行的,已经装好tensorboardx和pytorch等,但docker内无图形界面,无法使用google-chrome(tensorboardx给出一个链接,要在默认浏览器中查看,网上推荐chrome,注意tensorboard和chrome必须在同一个环境中使用 !)

2.尝试在docker所在服务器上安装chrome,成功,方法是下载chrome安装文件(google-chrome-stable_current_amd64.deb)格式到本地,再安装,如:

 sudo dpkg -i google-chrome-stable_current_amd64.deb

打开chrome命令:/usr/bin/google-chrome

3.服务器上只有python2.7环境(运行tensorboardX会报错),配套安装了python3.7、tensorflow、tensorboardX。安装python:https://blog.csdn.net/m0_37814112/article/details/103039263,其余两个用pip安装即可(如遇不行要有耐心多试几次)注意要把python3.7的路径映射到默认python路径

4.安装成功后,输入命令tensorboard --logdir yourpath,yourpath是存放tensorboard输出文件的目录,会是一堆events文件,成功的话显示一个网址:http://localhost:6006/,IP和端口号都可以设置,如果出现乱码肯定是不成功的。

这个过程应该也可以在windows的chrome上映射到服务器环境中操作,不过没有尝试。

三、pytorch中具体使用方式:

这里主要用来保存训练和验证的loss曲线图、每一步输入输出的图片等。

1.导入summarywriter包

from tensorboardX import SummaryWriter

pytorch1.1.0以上:

from torch.utils.TensorBoard import SummaryWriter

2.分train和val两种模式,并设置地址(多卡训练设置为第0号cuda输出)

self.writers = {}
if self.rank == 0:
    for mode in ["train", "val"]:
        self.writers[mode] = SummaryWriter(os.path.join(self.log_path, mode))

3.设置每一定数量的batch结束时进行保存loss(保存其他的也可以),同时记录step

writer = self.writers[mode]
for l, v in losses.items():
    writer.add_scalar("{}".format(l), v, self.step)

需要保存图片的话,按需保存即可

writer.add_image(
    "color_{}_{}/{}".format(frame_id, s, j),
    inputs[("color", frame_id, s)][j].data, self.step)

4.训练结束后要关闭summarywriter:

if len(self.writers) != 0:
    self.writers['train'].close()
    self.writers['val'].close()

四、效果展示:(可分别展示train和val可视化效果)

loss可视化:鼠标移动可以看到每个step具体的数据,也可以看到保存的图片和其他信息
在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以帮你解答这个问题! 首先,为了使用tensorboardx可视化Pytorch模型,你需要先安装tensorboardX库。你可以通过以下命令来安装: ``` pip install tensorboardX ``` 安装完成后,你需要在你的Pytorch代码中导入tensorboardX: ```python from tensorboardX import SummaryWriter ``` 接下来,在你的代码中创建一个`SummaryWriter`对象,它将负责记录你的模型的数据和可视化: ```python writer = SummaryWriter() ``` 现在你可以在代码中使用`writer`对象来记录任何你想要记录的数据。例如,你可以记录损失函数的值: ```python writer.add_scalar('Loss', loss_value, global_step) ``` 其中`loss_value`是损失函数的值,`global_step`是你的训练步数。 你也可以记录模型的权重和梯度: ```python writer.add_histogram('conv1/weights', conv1.weight, global_step) writer.add_histogram('conv1/grads', conv1.weight.grad, global_step) ``` 这将记录名为`conv1/weights`和`conv1/grads`的直方图,它们分别显示了`conv1`层的权重和梯度。 最后,在你的代码结束时,不要忘记关闭`SummaryWriter`对象: ```python writer.close() ``` 现在你可以在终端中输入以下命令来启动tensorboard: ``` tensorboard --logdir=/path/to/logs ``` 其中`/path/to/logs`是你保存日志文件的路径。然后在你的浏览器中访问`http://localhost:6006`,你将能够看到Pytorch模型的可视化结果。 希望这能够帮助你!

“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
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