TensorBoard快速入门(Pytorch使用TensorBoard)

这篇具有很好参考价值的文章主要介绍了TensorBoard快速入门(Pytorch使用TensorBoard)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

TensorBoard 简介

TensorBoard 是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程,例如:

  • 记录损失变化、准确率变化
  • 记录图片变化、语音变化、文本变化等,例如在做GAN时,可以过一段时间记录一张生成的图片
  • 绘制模型

具体支持的内容可以参考官方文档


TensorBoard 界面介绍

tensorboard,机器学习,pytorch,深度学习,python


TensorBoard 安装

直接使用pip安装即可:

pip install tensorboard

安装后,在命令行输入:

tensorboard --help

若可以正常输出,则说明安装成功。


TensorBoard 运行

运行启动命令即可:

tensorboard --logdir my_log

my_log是TensorBoard的log文件所在的目录。Tensorboard面板中展示的数据都来源于log文件,一般一次完整的运行生成一份log文件

例如,在Pytorch中,我们会调用new一个SummaryWriter对象,此时就会创建一个log文件,之后我们就会调用其add_something方法,往log里面写日志,之后在TensorBoard面板中就可以看到数据了。最后在训练完成后,调用close方法结束。

若看到了如下输出,说明启动成功:

TensorBoard 2.8.0 at http://localhost:6006/ (Press CTRL+C to quit)

此时只需要在浏览器中输入http://localhost:6006/即可进入TensorBoard界面。


Pytorch 使用 TensorBoard

Pytorch使用Tensorboard主要用到了三个API:

  • SummaryWriter:这个用来创建一个log文件,TensorBoard面板查看时,也是需要选择查看那个log文件。
  • add_something: 向log文件里面增添数据。例如可以通过add_scalar增添折线图数据,add_image可以增添图片。
  • close:当训练结束后,我们可以通过close方法结束log写入。

接下来,我们来模拟记录训练过程中准确率的变化。

首先需要new一个SummaryWriter对象:

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter(log_dir='runs/mock_accuracy')

当运行完该行代码后,可以看到当前目录下生成了一个runs/mock_accuracy文件夹,并且里面有event日志
tensorboard,机器学习,pytorch,深度学习,python

此时已经可以启动tensorboard来查看了:

tensorboard --logdir runs

此时进入tensorboard页面后,啥都看不到,因为我们还没有向log里面写入任何数据:

tensorboard,机器学习,pytorch,深度学习,python

接下来使用 add_scalar 绘制准确率折线图:

for i in range(100):
    writer.add_scalar(tag="accuracy", # 可以暂时理解为图像的名字
                      scalar_value=i * random.uniform(0.8, 1),  # 纵坐标的值
                      global_step=i  # 当前是第几次迭代,可以理解为横坐标的值
                      )
    time.sleep(2 * random.uniform(0.5, 1.5))

这里模拟 1~3 秒完成一次迭代并计算准确率,然后将准确率增添到 accuracy 这个图下面。

过一会后,我们刷新页面,就可以看到我们的准确率变化曲线了:

tensorboard,机器学习,pytorch,深度学习,python

由于数据还在写入,所以曲线还在不断变化。

如何和将多个曲线绘制在一张图中? 答:使用writer.add_scalars即可

如何将多个图像放在一个tag下?答:在指定tag时,使用同一个父tag,然后使用/分割即可。例如:tag=record/avg_loss, tag=record/total_loss


Google Colab中使用 Tensorboard

在Google Colab中使用Tensorboard只需要两行命令:

%load_ext tensorboard # 加载tensorboard扩展插件
%tensorboard --logdir=runs  # 运行tensorboard

在运行完tensorboard后,在该单元格下面就会出现tensorboard页面:

tensorboard,机器学习,pytorch,深度学习,python
之后就和之前一样使用writer写入数据即可,然后手动点击tensorboard,机器学习,pytorch,深度学习,python按钮即可,或者使用tensorboard,机器学习,pytorch,深度学习,python按钮开启自动刷新。

tensorboard,机器学习,pytorch,深度学习,python

在Google Colab中不像本地那样刷新那么快,即使手动点刷新按钮也不行,我自己测试下来,大概1分钟才能真正更新一次数据。


Tensor折线图(Scalars)

tensorboard,机器学习,pytorch,深度学习,python文章来源地址https://www.toymoban.com/news/detail-806889.html

  • TODO:其他图形的介绍

到了这里,关于TensorBoard快速入门(Pytorch使用TensorBoard)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • TensorBoard——Pytorch版使用(附带案例演示)

    TensorBoard是一个用于可视化机器学习实验结果的工具,可以帮助我们更好地理解和调试训练过程中的模型。 在PyTorch中,我们可以使用TensorBoardX库来与TensorBoard进行交互。TensorBoardX是一个PyTorch的扩展,它允许我们将PyTorch的训练中的关键指标和摘要写入TensorBoard的事件文件中。

    2024年03月11日
    浏览(39)
  • Pytorch中如何加载数据、Tensorboard、Transforms的使用

    一、Pytorch中如何加载数据 在Pytorch中涉及到如何读取数据,主要是两个类一个类是Dataset、Dataloader Dataset 提供一种方式获取数据,及其对应的label。主要包含以下两个功能: 如何获取每一个数据以及label 告诉我们总共有多少的数据 Dataloader,可以对数据进行打包,为后面的网络

    2024年02月10日
    浏览(25)
  • pytorch中使用TensorBoard进行可视化Loss及特征图

    安装TensorBoard 导入TensorBoard 实例化TensorBoard 训练过程中的loss,accuracy等都是标量,都可以用TensorBoard中的add_scalar来显示,add_scalar方法中第一个参数表示表的名字,第二个参数表示的是你要存的值,第三个参数可以理解为x轴坐标。 终端输入tensorboard --logdir=logs,开启TensorBoard

    2023年04月12日
    浏览(56)
  • 【人工智能概论】 PyTorch可视化工具Tensorboard安装与简单使用

    Tensorboard原本是Tensorflow的可视化工具,但自PyTorch1.2.0版本开始,PyTorch正式内置Tensorboard的支持,尽管如此仍需手动安装Tensorboard。否则会报错。 ModuleNotFoundError: No module named ‘tensorboard’ 进入相应虚拟环境后,输入以下指令即可安装。 输入以下指令,不报错即说明安装成功。

    2023年04月24日
    浏览(48)
  • [pytorch] 2. tensorboard

    TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中.但是也可以独立安装,服务Pytorch等其他的框架 可以常常用来观察训练过程中每一阶段如何输出的 安装 启动 会默认在6006端口打开,也可以自行制定窗口,如: 所在类: 介绍: 创建对象 常用

    2024年01月22日
    浏览(31)
  • TensorFlow入门(八、TensorBoard可视化工具的应用)

    TensorBoard常用函数和类 http://t.csdn.cn/Hqi9c TensorBoard可视化的过程: ①确定一个整体的图表,明确从这个图表中获取哪些数据的信息 ②确定在程序的哪些节点、以什么样的方式进行汇总数据的运算,以记录信息,比如在反向传播定义以后,使用tf.summary.scalar记录损失值的变换 ③运行所

    2024年02月07日
    浏览(50)
  • 【深度学习】tensorboard可视化网页详解

    TensorBoard是TensorFlow官方提供的一款可视化工具,用于可视化模型训练过程中的各种指标、图像和计算图等信息,方便用户更加直观地观察模型的训练情况。 下面是TensorBoard的一些常见可视化网页: 在使用tensorboard之前首先要确定有这个包,没有的话使用pip命令安装。 在Tenso

    2024年02月03日
    浏览(37)
  • 深度学习基础之《TensorFlow框架(3)—TensorBoard》

    一、TensorBoard可视化学习 1、TensorFlow有一个亮点就是,我们能看到自己写的程序的可视化效果,这个功能就是TensorBoard 2、TensorFlow可用于训练大规模深度神经网络所需的计算,使用该工具涉及的计算往往复杂而深奥。为了方便TensorFlow程序的理解、调试和优化,TensorFlow提供了

    2024年02月21日
    浏览(38)
  • Kaggle上使用Tensorboard

    想在Kaggle上使用Tensorboard,找了一圈。 参考了Kaggle上的一个Code:Tensorboard on Kaggle 但发现有些变化,Code中用到的内网穿透工具Ngrok需要加一个Token,所以需要注册一个 Ngrok 账号,免费获取一个通道的Token。 其实直接把在Kaggle上跑出来的Tensorboard日志文件下载到本地,在本地启动

    2023年04月21日
    浏览(20)
  • TensorBoard的使用

    TensorBoard是一个可视化工具,可以查看每个阶段的输出结果。 工作流程:1.将代码运行过程中关心的数据保存在一个文件夹中(writer完成)2.读取这个文件夹中的数据,用浏览器显示出来(命令行运行tensorboard完成) SummaryWriter类的使用 help:将数据以特定的格式存储到事件文件

    2024年02月13日
    浏览(28)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包