文章讲述了深度学习新手在使用Tensorboard进行训练过程可视化时遇到的问题，即未经归一化的数据导致输出显示错误。虽然损失函数正常下降且权重测试正确，但每个epoch的输出因未归一化而不准确。作者建议在数据加载阶段就进行归一化，以避免后续的困扰，并指出在CV任务中通常会使用transform.normalize()进行数据预处理。
1.作为一个深度学习的新手小白，想在训练的时候对于每个epoch的训练进行输出可视化。tensorboard是个好用的工具。代码如下：
log_writer=SummaryWriter(log_dir="logs")#文件夹名
log_writer.add_scalar("train_loss_epoche",train_loss,epoch)
log_writer.add_scalar("val_loss_epoche",val_loss,epoch) #给损失函数画图 log_writer.add_images("train_figure_epoche",np.array([output_train]),epoch,dataformats='CHW')
log_writer.add_images("val_figure_epoche",output_val,epoch,dataformats='CHW')#给每层的epoch输出画图
log_writer.close()
经过可视化之后，离谱的是我的损失函数是在正常下降，而且生成的权重经过测试之后效果是正确的，但是每个epoch的输出显示 有误。经过一系列的排查，发现是tensorboard的显示原因！
tensorboard的数据输入之前一定要归一化，如果没有归一化，显示出来的图可能不是你想要的图，影响对训练的判断！！！！！！！！！！！
当然很多做cv的uu们，会在数据集载入的时候就会做transform.normalize(),进行数据归一化。但是我由于做的项目的原因暂时无法对真值做归一化处理，导致数据在进入tensorboard之前没有归一化。
如果可以在载入的时候就做归一化是最好的，后面会省掉很多麻烦！！！！！！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
