在autodl 中使用tensorboard功能

1、打开并在autodl中租赁服务器

点击上图红框内容

2、点击下图红框内容

3、输入下列代码

ps -ef | grep tensorboard | awk '{print $2}' | xargs kill -9

不要问这是什么意思用就可以

出现下面内容

kill: (2388): No such process

4、接下来输入下面内容

tensorboard --port 6007 --logdir /root/autodl-tmp/yolov5-master/runs/train/exp14

自己只需要改--logdir内容

我读取的是autodl-tmp/yolov5-master/runs/train/exp14的数据

5、打开第一步界面点击实时监控按键

点击tensorboard便会出现下面内容

  • 8
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
AutoDLAutomated Deep Learning)是一种自动化深度学习的方法,它旨在简化和加速深度学习模型的开发过程。TensorBoard是TensorFlow提供的一个可视化工具,用于分析和监控深度学习模型的训练过程和性能。 要使用TensorBoard来监控AutoDL的训练过程,可以按照以下步骤进行操作: 1. 安装TensorFlow和TensorBoard:首先,确保你已经安装了TensorFlow和TensorBoard。可以使用pip命令来安装它们: ``` pip install tensorflow pip install tensorboard ``` 2. 在AutoDL代码添加TensorBoard回调:在你的AutoDL代码使用TensorFlow提供的`tf.keras.callbacks.TensorBoard`回调函数来将TensorBoard集成到训练过程。在回调函数的构造函数,可以指定TensorBoard日志文件的保存路径等参数。 3. 运行训练脚本:运行你的AutoDL训练脚本,确保在训练过程启用了TensorBoard回调。训练过程TensorBoard会将训练指标和其他相关信息写入到指定的日志文件。 4. 启动TensorBoard服务器:在训练完成后,打开终端并导航到保存日志文件的目录。然后运行以下命令启动TensorBoard服务器: ``` tensorboard --logdir=./logs ``` 这里的`./logs`是你保存日志文件的路径,根据实际情况进行修改。 5. 访问TensorBoard界面:在浏览器输入`http://localhost:6006`,即可访问TensorBoard的界面。在界面上,你可以查看训练过程的损失曲线、准确率等指标,还可以可视化模型的计算图、参数分布等信息。

“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 1
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