PyTorch - 29 - 使用PyTorch的TensorBoard - 可视化深度学习指标
TensorBoard: TensorFlow’s Visualization Toolkit
在本系列的这一点上,我们刚刚完成了培训过程中的网络运行。 现在,我们希望获得有关此过程的更多指标,以更好地了解幕后情况。
鸟瞰我们在培训过程中所处的位置。
- 准备数据
- 建立模型
- 训练模型
- 分析模型的结果
a. 为此使用TensorBoard
TensorBoard提供了机器学习实验所需的可视化和工具:
- 跟踪和可视化指标,例如损失和准确性
- 可视化模型图(操作和图层)
- 查看权重,偏差或其他张量随时间变化的直方图
- 将嵌入物投影到较低维度的空间
- 显示图像,文本和音频数据
- 分析TensorFlow程序
- 以及更多
从PyTorch 1.1.0版开始,PyTorch添加了一个tensorboard实用程序包,使我们能够将TensorBoard与PyTorch一起使用。
print(torch.__version__)
1.1.0
from torch.utils.tensorboard import SummaryWriter
Installing TensorBoard For PyTorch
要为PyTorch安装TensorBoard,请执行以下步骤:
- 确认您正在运行PyTorch版本1.1.0或更高版本。
- 确认您正在运行TensorBoard 1.15或更高版本。
- 请注意,PyTorch使用的TensorBoard与为TensorFlow创建的TensorBoard相同。使用以下命令检查系统上安装的TensorBoard的版本:
tensorboard --version
- 使用以下命令安装TensorBoard。
pip install tensorboard
安装TensorBoard 1.15或更高版本后,我们就可以开始了!
请注意,PyTorch文档说TensorBoard版本1.14是必需的。但是,我无法在1.14版本上使用全部功能。这就是为什么在视频中使用每晚构建的原因。
Getting Started With TensorBoard For PyTorch
TensorBoard是一个前端Web界面,它实质上从文件中读取数据并显示它。要使用TensorBoard,我们的任务是将我们要显示的数据保存到TensorBoard可以读取的文件中。
为了使我们更轻松,PyTorch创建了一个名为SummaryWriter的实用程序类。要访问此类,我们使用以下导入:
from torch.utils.tensorboard import SummaryWriter
导入该类后,我们可以创建该类的实例,然后将其用于将数据从程序中取出并放到文件系统上,然后由TensorBoard进行使用。
Network Graph And Training Set Images
SummaryWriter类带有许多方法,我们可以调用这些方法来有选择地选择和选择我们希望TensorBoard可以使用的数据。首先,我们将网络和一批图像传递给编写者。
tb = SummaryWriter()
network = Network(<