使用Tensorboard可视化网络结构(基于pytorch) |
您所在的位置:网站首页 › pytorch可视化网络结构 › 使用Tensorboard可视化网络结构(基于pytorch) |
前言
我们在搭建网络模型的时候,通常希望可以对自己搭建好的网络模型有一个比较好的直观感受,从而更好地了解网络模型的结构,Tensorboard工具的使用就给我们提供了方便的途径 Tensorboard概况Tensorboard是由Google公司开源的一款可视化工具,是TensorFlow的一个附属组件,但在pytorch项目中也可以使用。 它有以下主要功能: 可视化网络模型:您可以直观地了解模型的结构,包括层的堆栈方式,激活函数等。记录和绘制训练过程中各项指标的变化,例如loss曲线、准确率曲线等。可视化特征空间和高维度数据。可视化梯度、权重乃至激活函数输出分布等等。这篇博客主要介绍Tensorboard可视化网络模型的功能 代码实现我们搭建一个简单的神经网络,依赖的库环境 import torch import torch.nn as nn import torch.nn.functional as F from torch.utils.tensorboard import SummaryWriter搭建网络模型 class Net(nn.Module): def __init__(self,input_dim,layer1_dim,layer2_dim,output_dim): super(Net,self).__init__() self.flatten = nn.Flatten() self.layer1 = nn.Sequential(nn.Linear(input_dim,layer1_dim),nn.ReLU()) self.layer2 = nn.Sequential(nn.Linear(layer1_dim,layer2_dim),nn.ReLU()) self.out = nn.Sequential(nn.Linear(layer2_dim,output_dim),nn.Softmax(dim=-1)) def forward(self,x): x = self.flatten(x) x = self.layer1(x) x = self.layer2(x) x = self.out(x) return x # 初始化网络中的值 input_dim,layer1_dim,layer2_dim,output_dim=32*32,512,128,10 model = Net(input_dim,layer1_dim,layer2_dim,output_dim)网络由三层全连接层组成,输入的数据形状为 接下俩就是使用SummaryWriter创建日志保存搭建好的网络模型 with SummaryWriter(log_dir=r"D:\CSDN_point\12_22\logs", comment="Net") as w: w.add_graph(model, input_data)log_dir参数就是日志文件的本地保存路径,comment就是日志的备注,add_graph()传入网络模型和输入数据,运行后就会在指定路径上生成对应的文件,打开log文件所在的文件位置,在顶部路径上输入cmd,打开命令行窗口 在命令行窗口输入 tensorboard --logdir logs复制返回的网址在浏览器打开,就可以得到对应的网络可视化结果了 欢迎大家讨论交流~ |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |