在服务器上远程使用tensorboard查看训练loss和准确率

最新推荐文章于 2022-09-02 17:17:04 发布
最新推荐文章于 2022-09-02 17:17:04 发布
阅读量1.2k 收藏 5
点赞数 3
分类专栏： Pytorch训练技巧 文章标签： tensorflow
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_43402775/article/details/114049599
版权

本人使用的是vscode 很简单

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('./logs')

writer.add_scalar('train_loss',loss.val(),iteration) # 名字，数据，迭代次数

训练的过程中会产生一个./logs的文件夹，里面存放的是保存的训练loss数据，

然后在命令行运行

tensorboard --logdir './logs'

在这里插入图片描述

Golden-sun
关注
  • 3
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习实战（30）】训练框架之使用tensorboard记录loss
m0_51579041的博客
05-01 522
【深度学习实战（30）】训练框架之使用tensorboard记录loss
使用Tensorboard工具查看Loss损失率
09-17
今天小编就为大家分享一篇使用Tensorboard工具查看Loss损失率，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
如何使用tensorboard监控loss的变化？
qq_44732653的博客
05-23 1831
如何使用tensorboard监控loss的变化？ 1.安装tensorboard并执行下面语句 from torch.utils.tensorboard import SummaryWriter summaryWriter = SummaryWriter("logs/log1") # 将生成的loss记录文件保存在logs/log1 summaryWriter.add_scalar("loss",loss.item(),var/1000) # A “loss”为曲线名
利用Tensorboard绘制网络识别准确率和loss曲线实例
09-17
今天小编就为大家分享一篇利用Tensorboard绘制网络识别准确率和loss曲线实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【学习笔记】pytorch 使用 tensorboardX进行 准确度 loss 以及 accuracy 准确度动态可视化
KaelCui的博客
05-18 1472
版本信息： python 3.7 pytorch 1.5.0 tensorflow-gpu 2.1.0 tensorboard 1.6.0 [tensorflow 与 tensorboard版本匹配] 需要安装的包 pip install tensorboard pip install tensorboard_logger 示例代码如下： from tensorboard_logger import Logger logger = Logger(logdir="./tensorboard_logs",
Tensorflow1学习-4 tensorboard可视化准确率、损失和权重分布
Coding_WZP的博客
03-04 1287
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据 mnist = input_data.read_data_sets('./MNIST_data', one_hot=True) #每个批次的大小 batch_size = 50 #计算一共多少个批次 n_batch = mnist.train.num_examples // batch_size #参数概要 def varia
远程服务器端使用TensorBoard查看Loss
weixin_44806146的博客
09-02 762
使用TensorBoard查看远程服务器上的模型Loss
TensorFlow 使用tensorboard进行手写数字识别准确率的图像化显示
小鹏AI
06-22 800
手写数字识别程序 本文基于上面这篇文章，将打印出的损失函数值和预测值进行图像化的显示 实现的步骤 在张量中定义一个汇总的张量 self.precise_summary = tf.summary.scalar('precise',self.precise) self.loss_summary = tf.summary.scalar("loss",self.loss) 在训练中定义一个filewriter（指明计算图） writer = tf.summary.FileWriter(cfg.logdir, se
使用tensorboard可视化loss和acc的实例
09-18
今天小编就为大家分享一篇使用tensorboard可视化loss和acc的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
如何在keras中，查看其训练loss值
qq_37640545的博客
04-02 7540
想要查看每次训练模型后的 loss 值变化需要如下操作 1.loss_value= [ ] 2.self.history = model.fit(state,target_f,epochs=1, batch_size =32） 3.b = abs(float(self.history.history[‘loss’][0])) 4.loss_value.append(b) print(loss_va...
tensorboard查看训练中的loss,acc等
qq_35037684的博客
08-26 1849
tensorboard
tensorboard 查看loss损失
不负如来不负卿
05-15 3253
深度学习在训练中loss损失具体如何变化的，怎么在web端能够查看呢？ tensorflow官网给了我们一个工具，这个工具叫tensorboard，执行如下命令： tensorboard --logdir=/log --port=8008 其中， /log是指代码中的log日志保存目录，8008是指端口号。 那么就可以在web端查看loss变化: ip:8008 ...
服务器远程训练,远程服务器 Linux 用cityscape训练DeepLabv3模型（Pytorch版）
weixin_31325725的博客
07-30 292
参考https://blog.csdn.net/qq_45389690/article/details/111591713?utm_medium=distribute.pc_relevant_download.none-task-blog-baidujs-2.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-t...
python的self.boardx -= 5 什么意思_pytorch使用tensorboardX进行loss可视化实例
weixin_39732825的博客
12-10 164
最近pytorch出了visdom，也没有怎么去研究它，主要是觉得tensorboardX已经够用，而且用起来也十分的简单pip install tensorboardX然后在代码里导入from tensorboardX import SummaryWriter然后声明一下自己将loss写到哪个路径下面writer = SummaryWriter('./log')然后就可以愉快的写loss到你得这...
使用电脑连接远程服务器训练
Hi海底的博客
04-02 2876
mobexterm 登录 使用服务器训练模型详解_艾醒的博客-CSDN博客_服务器训练模型 阿里云使用笔记（一）：从零开始配置阿里云GPU服务器训练深度学习模型_Bamboo竹的博客-CSDN博客_阿里云深度学习 su root目录 sudo liu cat/etc/passwd 文件是用户的配置文件。 //查看几个用户 安装清华源 sudo wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anacon...
pytorch中使用tensorboard查看损失
卟灵卟灵哒的博客
09-26 1609
首先导包—from torch.utils.tensorboard import SummaryWriter 实例化—writer = SummaryWriter() 写损失—writer.add_scalar('loss', loss.item(), global_step=1) 在循环外面关闭—writer.close() 在terminal中输入tensorboard --logdi...
vscode 远程调试绘图方法 python并画出loss曲线
duxinyuhi的专栏
04-12 2893
通过 vscode 进行远程调试时无法直接显示远程绘图结果，每次通过保存图片的方式太过繁琐，其实可以通过显式配置 Linux 系统的 DISPLAY 环境变量实现直接显示绘图结果。 一、首先安装并配置 X11 安装包 sudo apt-get install xorg sudo apt-get install openbox 并修改配置 vim /etc/ssh/sshd_config X11Forwarding yes X11DisplayOffset 10 PrintMotd no PrintLas
pytorch tensorboard_PyTorch下的Tensorboard 使用
weixin_39844481的博客
11-24 218
本文主要介绍PyTorch框架下的可视化工具Tensorboard的使用面向第一次接触可视化工具的新手<其实是备忘>之前用了几天visdom，用起来很方便，但是画的图显得很乱，所以花了一晚上把代码里的visdom都改成了tensorboard。Tensorboard 安装原本是tensorflow的可视化工具，pytorch从1.2.0开始支持tensorboard。之前的版本也可以使...
torch使用tensorboard简明备忘录
ox180x的博客
12-30 1685
tensorboard是让torch可以使用tensorflow的web可视化工具，之前叫tensorboardX。至于其他的介绍以及为什么需要，可自行百度。 简单的完整代码1234567891011121314151617181920# -*- coding: utf8 -*-#import mathfrom torch.utils.tensorboard imp...
使用tensorboard对loss和accuracy可视化
最新发布
05-04
TensorBoard 是 TensorFlow 的一个可视化工具，可以帮助开发者更加直观地观察模型的训练情况，包括损失函数和准确率的变化等。以下是使用 TensorBoard 对 loss 和 accuracy 进行可视化的步骤： 1. 在代码中，使用 TensorFlow 的 summary 操作记录 loss 和 accuracy，示例代码如下： ```python loss_summary = tf.summary.scalar('loss', loss) acc_summary = tf.summary.scalar('accuracy', accuracy) ``` 2. 定义 TensorFlow 的 FileWriter，将 summary 数据写入 TensorBoard 中： ```python summary_writer = tf.summary.FileWriter(log_dir, sess.graph) ``` 其中，log_dir 是保存 summary 数据的路径。 3. 在训练过程中，每个 mini-batch 计算 loss 和 accuracy 后，使用 FileWriter 将 summary 数据写入 TensorBoard 中： ```python loss_, acc_, summary = sess.run([loss, accuracy, merged_summary_op], feed_dict=feed_dict) train_writer.add_summary(summary, global_step) ``` 其中，merged_summary_op 是将多个 summary 操作合并的操作，global_step 表示训练的步数。 4. 启动 TensorBoard，在终端中输入以下命令： ``` tensorboard --logdir=log_dir ``` 其中，log_dir 是保存 summary 数据的路径。 5. 在浏览器中打开 http://localhost:6006/，即可看到 TensorBoard 的界面。在 Scalars 栏中即可看到 loss 和 accuracy 的变化曲线。 以上就是使用 TensorBoard 对 loss 和 accuracy 进行可视化的步骤。

“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

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