【VS Code 使用tensorboard功能技巧】 |
您所在的位置：网站首页 › vs怎么打开网页 › 【VS Code 使用tensorboard功能技巧】 |
【VS Code 使用tensorboard功能技巧】
|
【VS Code 使用tensorboard技巧】
1 安装依赖库2 使用tensorboard功能
1 安装依赖库
pip install teorbaord
pip install torch_tb_profiler
安装上面的库后，在代码中点击启动， 若启动失败，执行 1. 打开一个环境终端，pip list，查看是否安装了 tb-nightly，若有则卸载： 2. pip uninstall tb-lightly 3. pip uninstall tensorboard 及 tensorboard相关的包， 或者在方法2：进入环境中\Lib\site-packages中删除tensorboard 及tensorboard相关的包 5. 重新打开一个环境终端，重新安装tensorboard相关包 6. pip install teorbaord 7. pip install torch_tb_profiler 2 使用tensorboard功能（1）Tensorboard常用的四个功能 graphs： 保存网络结构图； scalars： 精确度，学习率，损失曲线； histograms： 训练权重分布； images： 展示图像信息。 （2）画线——add_scalaar from torch.utils.tensorboard import SummaryWriter # 创建编辑器，保存日志，指令保存路径log_dir writer = SummaryWriter(log_dir="./logs") # 指定保存位置 # y = 2 * x for i in range(100): # 添加标题，x轴，y轴 # tag: 标题名， scalar_value: y轴， global_step: x轴 writer.add_scalar(tag="y=2x",scalar_value=2*1,global_step=i) # writer.add_scalar('training loss',train_total_loss,epoch) # 关闭 writer.close()
在VS Code里执行以上代码，就会在生成的logs文件夹里保存相关文件。 在虚拟环境终端中进入到logs的上级目录，输入启动指令（如下），点击生成的链接即可查看结果。 # 使用默认端口 tensorboard --logdir=logs # 使用指定端口 tensorboard --logdir=logs --port=6007 或者 tensorboard --logdir 完整路径 --host=127.0.0.1终端键入Ctrl + C结束进程。 （3）展示单/多张张图像——add_image/add_images from torch.utils.tensorboard import SummaryWriter import numpy as np from PIL import Image # 创建编辑器，保存日志，指令保存路径log_dir writer = SummaryWriter(log_dir="./logs") # 指定保存位置 # 图像地址 image_path = "/home/chenshili/图片/food_01.jpeg" # 打开图像 img_PIL = Image.open(image_path) # 用PIL打开的图像，其文件格式是PIL的特有类 # 转化成numpy数据,因为add_image只能传入array或者tensor数据，所以要做类型转化。 img_array = np.array(img_PIL) # 开始画图，tag: 标题，img_tensor: tensor或者numpy类型的数据， dataformats： H高W宽C通道，指定HWC类型 writer.add_image(tag="train",img_tensor=img_array,global_step=1,dataformats="HWC") img=torch.stack([img_array,img_array,img_array],dim=0) writer.add_images('train_example_image',img) # 关闭 writer.close()
（4）画模型——add_graph from torch.utils.tensorboard import SummaryWriter import torch from torch.nn import Linear,ReLU,Sequential # 创建编辑器，保存日志，指令保存路径log_dir writer = SummaryWriter(log_dir="./logs") # 指定保存位置 model = Sequential( Linear(1,10), ReLU(), Linear(10,1) ) data = torch.ones(10,1) writer.add_graph(model=model,input_to_model=data) # 关闭 writer.close()
（5）存放不同文件夹，对比参数 from torch.utils.tensorboard import SummaryWriter import os import datetime # 按时间构建生成文件保存的文件夹 log_dir = os.path.join("./logs",datetime.datetime.now().strftime("%Y%m%d_%H%M%S")) print(log_dir) # 创建编辑器，保存日志，指令保存路径log_dir writer = SummaryWriter(log_dir=log_dir) # 指定保存位置 for i in range(100): writer.add_scalar(tag="loss",scalar_value=1*i,global_step=i) # 多执行几次把scalar_value的值做修改，如2*i，i等 # 关闭 writer.close() |
弹出选择log日志文件夹， 
启动成功后，弹出tensorboard页面，查看数据、图表，点击刷新，观察实时变化。 
【本文地址】
今日新闻 |
推荐新闻 |