点击进入专栏:
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
文章目录
- 1、tensorboard 下载
- 2、tensorboard 的使用
-
- 2.1 tensorboard 的打开
- 2.2 tensorboard 的用法
-
- SummaryWriter类
- add_scalar()和add_scalars()
- add_histogram()
- add_image()
- add_graph()
- 3、tensorboard 的实战演练
-
- 3.1 创建SummaryWriter对象
- 3.2 计算图的可视化
- 3.3 训练过程loss的可视化
- 3.4 训练过程卷积核以及输入输出图像的可视化
- 3.5 训练过程输出值的可视化
- 更多示例一
- 更多示例二
-
- 将会了解到
- TensorBoard 有哪些用途
- 准备数据集
- 定义网络
- 定义损失函数和选择优化器
- TensorBoard 设置
- 如何向 TensorBoard 中写信息
- 使用 TensorBoard 来检测模型结构
- 添加投影仪到 TensorBoard
- TensorBoard 跟踪模型训练的整个过程
- 更多示例三
-
- **SummaryWriter**
- **add_scalars**
- **add_image**
- **torchsummary**
- 1. 机器学习
- 2. 深度学习与目标检测
- 3. YOLOv5
- 4. YOLOv5改进
- 5. YOLOv8及其改进
- 6. Python与PyTorch
- 7. 工具
- 8. 小知识点
- 9. 杂记
PyTorch 从 1.2.0 版本开始,正式自带内置的 Tensorboard 支持了,我们可以不再依赖第三方工具来进行可视化。
tensorboard官方教程地址:https://github.com/tensorflow/tensorboard/blob/master/README.md
1、tensorboard 下载
step 1
此次tensorboard在pycharm的终端里下载。点击pycharm的终端(红圈处),并且输入activate pytorch激活之前安装了pytorch的环境。
step 2
这里使用pip安装tensorboard,输入 pip install tensorboard
等待安装完后,再安装另外一个他需要依赖的库。
输入 pip install future.
安装完毕后,输入pip list查看是否安装成功。