当前位置:首页> AI教程> PyTorch TensorBoard可视化教程

PyTorch TensorBoard可视化教程

释放双眼,带上耳机,听听看~!
本教程介绍了如何在PyTorch中使用TensorBoard进行数据可视化,包括安装、代码实现和参数监视,帮助深度学习初学者更好地理解模型训练过程。

跑深度学习模型,我们会有各种指标以及loss。想要可视化怎么办?初学者肯定是学的用matplotlib自己画。虽然自己画也行。但是麻烦啊,有没有东西可以直接帮我们可视化?

有的。pytorch和tensorflow都有一个TensorBoard

讲一下pytorch中怎么用:

官网文档:torch.utils.tensorboard — PyTorch 1.12 documentation

安装

pytorch 版本1.2以上才开始支持tensorboard,之前的版本不支持嗷。

pip install tensorboard

代码中

在代码中导入tensorboard

from torch.utils.tensorboard import SummaryWriter   
writer = SummaryWriter('你要存文件的地址')

# 用完以后记得销毁
writer.close()

这一步是把实例化一个writer。

待会儿tensorboard代码运行的时候会把你想存储的数据丢尽这个文件夹里。然后你在终端输入命令就是从这个文件夹里取出数据使用浏览器显示。

之后就是非常简单的事情了,在你训练过程的epoch迭代过程中加上你要监视的参数。

add_scalar(tag, scalar_value, global_step=None, walltime=None, new_style=False, double_precision=False)

你要管的参数只有

  • tag (string) – 起个名
  • scalar_value (代码实现MNLM | word embedding开山之作 – 掘金 (juejin.cn)

    进入文章,拉倒最底下复制完整代码,丢到你的IDE中。

    看一下哦。这是可以运行的对吧。

    PyTorch TensorBoard可视化教程

    找到训练那一段代码。在训练阶段迭代那里加上我的loss。我是直接把数据保存在当前文件下的./log里边了。

    PyTorch TensorBoard可视化教程

    PyTorch TensorBoard可视化教程

    运行一下,然后可以看到当前目录多出来一个log文件夹。

    PyTorch TensorBoard可视化教程

    在当前文件夹下打开终端,输入命令tensorboard --logdir=./log --port xxxx

    前边自定义端口就写上,前边没自定义端口就不用写--port xxxx

    然后我们就可以看到已经生成的loss图像了。

    PyTorch TensorBoard可视化教程

    补充

    如果你想看多个参数,多个参数在同一个图上显示,就使用

    add_scalars(main_tag, tag_scalar_dict, global_step=None, walltime=None)
    

    多个参数用字典传入。

    for i in range(100):
        writer.add_scalars('run_14h', {'xsinx':i*np.sin(i/r),
                                        'xcosx':i*np.cos(i/r),
                                        'tanx': np.tan(i/r)}, i)
    

    PyTorch TensorBoard可视化教程

    需要其他功能的大家可以看文档继续深入学习。

本网站的内容主要来自互联网上的各种资源,仅供参考和信息分享之用,不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益,请联系我们,我们将尽快采取行动,包括删除或更正。
AI教程

EasyNLP框架升级:电商场景下CLIP模型的优化

2023-12-15 18:56:14

AI教程

AIGC应用的新风口:Jasper的崛起和国内探索

2023-12-15 19:14:14

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索