位置: IT常识 - 正文

TensorBoard详解之安装使用和代码介绍(tensorboard作用)

编辑:rootadmin
TensorBoard详解之安装使用和代码介绍 目录1.TensorBoard详解1.1 环境1.2 安装1.3 展示1.4说明2.使用2.1步骤2.2常用镜像网址3.代码讲解3.1 函数介绍3.2 示例代码

推荐整理分享TensorBoard详解之安装使用和代码介绍(tensorboard作用),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:tensorboard smoothing,tensorboard smooth,tensorboard作用,tensorboard smooth,tensor board,tensorboard作用,tensorboard介绍,tensorboard smoothing,内容如对您有帮助,希望把文章链接给更多的朋友!

1.TensorBoard详解

TensorBoard是一个可视化的模块,该模块功能强大,可用于深度学习网络模型训练查看模型结构和训练效果(预测结果、网络模型结构图、准确率、loss曲线、学习率、权重分布等),可以帮你更好的了解网络模型,设计TensorBoard调用相关代码,以上结果即可保存,是整合资料、梳理模型的好帮手。

1.1 环境

本设备使用的环境为: tensorflow-gpu 2.4.0 pytorch1.8.0 cuda 11.0 cudnn 8.0.5 tensorboard 2.7.0 安装TensorBoard,必须要配一个带GPU的虚拟环境,tensorflow-gpu和pytorch的环境选一个就好,配好环境后,下面介绍安装技巧和步骤。

1.2 安装可以在激活的命令行中安装:

conda activate pytorch1.8.0

之后,在命令行中输入:

pip install tensorboard pip install tensorboardX

Tensorboard其实是TensorFlow♂ 的一个附加工具,而TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能,如pytorch;安装的版本不用管,会自动安装最近的版本,本设备pytorch环境安装情况如下:

当然,用一些镜像源可以加速下载,下面给出一些好用的镜像源(清华和豆瓣镜像源比较快):

https://pypi.tuna.tsinghua.edu.cn/simple https://pypi.douban.com/simple

使用方法在pip安装命令行末尾加( -i 镜像网址),pip安装其他模块也适用。

pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple

编译器自动提醒安装,点击确定安装会在编译器终端自动安装;编译器终端命令行安装,该方式在编译器中选择带GPU的环境后,不虚激活环境,直接pip 输入命令行直接安装,方法同上述1。克隆代码安装GitHub,按照README.md配置并安装,针对GitHub下载部分文件方法以及GitHub加速镜像网站,可参考我的前面博文:

GitHub上只下载部分文件的操作教程 GitHub加速网址及使用教程

注意:其实其他模块安装包,这些方法基本都适用。

1.3 展示

安装完成后,在该虚拟环境中输入:

pip list

可查看是否安装成功,该展示为本设备tensorflow2虚拟环境的安装情况:

并且下次打开VS code编译器,有“是否使用TensorBoard模块功能”的提示,我们点击“是”,就可以开启TensorBoard的使用,在网络训练结束后将自动生成runs文件夹,里面有后面使用的event file。

1.4说明

打开event file的方法也可以在该文本文件夹下,按住shift键,并点击右键,鼠标点击“在此处打开powershell窗口(S)”,并输入:

TensorBoard详解之安装使用和代码介绍(tensorboard作用)

tensorboard --logdir runs

该runs文件夹是TensorBoard调用代码生成的,你也可以在代码中修改为生成logs文件夹等; 点击enter键之后,可以获得TensorBoard可视化结果网址:

http://localhost:6006/

结果如下图:

2.使用2.1步骤

如下面两张图所示,3个黄色框分别对应三个操作步骤:

获得代码子文件夹名称为runs里面events.开头的文本文件(event file),一般在runs的子文件下点开可以看到;在编译器(VS Code、Pycharm)在底部终端输入:tensorboard --logdir runs

复制生成的网址,在浏览器打开。

http://localhost:6006/

最后生成TensorBoard可视化界面。

生成event file文本的方法:

训练网络自动生成,针对该无法成功的,应该是启动编辑器时没有选用提示显示的使用tensorboard模块,那我们还有下面两种方法,方法3亲测可用;添加py代码文件保存:import numpy as npfrom torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter(comment='tensorboard_test')for x in range(50): writer.add_scalar('y=2x', x * 2, x) writer.add_scalar('y=pow(2, x)', 2 ** x, x) writer.add_scalars('data/scalar_group', {"xsinx": x * np.sin(x), "xcosx": x * np.cos(x), "arctanx": np.arctan(x)}, x)writer.close()自行在tensorboard界面下载,2.2常用镜像网址

清华:https://pypi.tuna.tsinghua.edu.cn/simple 阿里云:http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 华中理工大学:http://pypi.hustunique.com/ 山东理工大学:http://pypi.sdutlinux.org/ 豆瓣:http://pypi.douban.com/simple/

3.代码讲解

下面介绍该模块的常用函数和示例代码:

3.1 函数介绍tensorboard --logdir=路径 该方式为tensorboard文件的生成之后,在命令行调用该文件,获得tensorboard网址(前面已介绍)

tensorboard --logdir=G:\wuzhihua\yolo3-pytorch-master\runs

SummaryWriter() 该函数为创建一个tensorboard文件,调用方式为:

writer = SummaryWriter(log_dir=‘runs’,flush_secs=30)

writer.add_graph() 该函数为创建Graphs,Graphs中存放了网络结构, if Cuda: graph_inputs = torch.from_numpy(np.random.rand(1,3,input_shape[0],input_shape[1])).type(torch.FloatTensor).cuda()else: graph_inputs = torch.from_numpy(np.random.rand(1,3,input_shape[0],input_shape[1])).type(torch.FloatTensor)writer.add_graph(model, (graph_inputs,))3.2 示例代码

最后,提供用TensorBoard创建Graph和简单模式并可视化输出显示代码示例:

import torchfrom torch.autograd import Variableimport torch.nn.functional as functionalfrom tensorboardX import SummaryWriterimport matplotlib.pyplot as pltimport numpy as np# x的shape大小x = torch.from_numpy(np.linspace(-1, 1, 50).reshape([50, 1])).type(torch.FloatTensor)# y的shape大小y = torch.sin(x) + 0.2 * torch.rand(x.size())class Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_output): super(Net, self).__init__() # Applies a linear transformation to the incoming data: :math:y = xA^T + b # 全连接层,公式为y = xA^T + b self.hidden = torch.nn.Linear(n_feature, n_hidden) self.predict = torch.nn.Linear(n_hidden, n_output) def forward(self, x): # 隐含层的输出 hidden_layer = functional.relu(self.hidden(x)) output_layer = self.predict(hidden_layer) return output_layer# 类的建立net = Net(n_feature=1, n_hidden=10, n_output=1)writer = SummaryWriter('runs')graph_inputs = torch.from_numpy(np.random.rand(2, 1)).type(torch.FloatTensor)writer.add_graph(net, (graph_inputs,))# torch.optim是优化器模块optimizer = torch.optim.Adam(net.parameters(), lr=1e-3)# 均方差lossloss_func = torch.nn.MSELoss()for t in range(2000): prediction = net(x) loss = loss_func(prediction, y) # 反向传递步骤 # 1、初始化梯度 optimizer.zero_grad() # 2、计算梯度 loss.backward() # 3、进行optimizer优化 optimizer.step() writer.add_scalar('loss', loss, t)writer.close()

结果展示: 注意:界面里面还能修改画图曲线的颜色,要保存结果修改相关代码即可。

TensorBoard`的介绍到此结束,要去PyTorch♀官方查看使用源码的小伙伴可以从以下进入学习:

https://pytorch.org/ https://pytorch.org/tutorials/recipes/recipes/tensorboard_with_pytorch.html?highlight=tensorboard

参考博主: https://blog.csdn.net/weixin_44791964/article/details/106701052 参考园主: https://www.cnblogs.com/coderpeng/p/14180579.html

本文作者:会飞的渔WZH 本文链接:https://blog.csdn.net/wuzhihuaw/article/details/121357355 版权

本文链接地址:https://www.jiuchutong.com/zhishi/293760.html 转载请保留说明!

上一篇:深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)

下一篇:vue运行报错Error: Cannot find module ‘@vue/cli-plugin-babel‘(vue运行报错怎么解决)

  • 综合收入扣税
  • 财务费用和应付利息怎么算
  • 结转结余属于什么科目
  • 记账凭证拆开
  • 所得税汇算清缴后发现有误怎么办
  • 增值税申报表第25行怎么填
  • 加计扣除声明在哪里签章有效
  • 餐饮服务属于什么票据类型
  • 核定征收的固定资产包括
  • 股权评估与资产评估的关系
  • 进料边角料内销作进口报关单时为何要在备注栏备注活期
  • 固定资产清理期末可以有余额吗
  • 资产减值损失负数是好是坏
  • 小规模纳税人销售已使用固定资产
  • 来料加工账务处理方法
  • 将自制的一批新产品用于对外投资,生产成本为300000
  • 增值税农产品抵扣政策
  • 个人独资企业所得税
  • 延期申报的程序
  • 开票汇率和收汇汇率
  • 重点税源财务指标有哪些
  • 1697507882
  • 鸿蒙工具栏在哪里
  • 企业利润分配的原则
  • 工程施工广告牌
  • 社保征集单是什么样子的
  • 资产减值损失结转怎么算
  • 上市公司分红派股
  • yii2-admin
  • vmware虚拟机安装在移动硬盘
  • Python Module — OpenAI ChatGPT API
  • 机器学习期末复习题
  • 数据库管理系统能对数据库中的数据进行查询
  • 再生资源增值税退税优惠政策
  • wordpress自定义文章模板
  • 当月开出的销项票一定要当月抵扣吗
  • python深拷贝与浅拷贝区别
  • python mad
  • python中的thread
  • 帝国cms自动推送插件
  • 长期股权投资处置损失计入什么科目
  • 制造费用结转本年利润吗
  • 计提工会经费是什么工资项目
  • 盈余公积转增实收资本会计科目
  • 非货币性职工薪酬
  • 会计的借记和贷记什么意思
  • PostgreSQL中的OID和XID 说明
  • 股东分红账务处理表格
  • 城市基础设施配套费征收管理规定
  • 公司代缴社保如何查询
  • 发票税控系统
  • 未完工的工程施工怎么处理
  • 个人如何成立公司
  • 物业管理企业应按职工工资总额的1.5%计提工会经费
  • win8.1配置要求
  • win10系统不能打印图片
  • 手写输入界面
  • windows 8 key
  • win7系统怎么把其他盘空间给c盘
  • js获取json数组中的值
  • perl读取文件内容到数组
  • opengl mc
  • Linux中删除文件夹的正确方式
  • python中安装模块的命令
  • js 浏览器全屏
  • js中onmouseover
  • 简述javascript的常用控制结构
  • jquery中的事件和事件处理有哪些
  • js鼠标滑动特效
  • python文件操作方法
  • 力所能及之处,定当竭尽所能
  • javascript函数如何定义及其作用
  • 最简单手电筒
  • centos python2.7升级到3.7
  • 保险发票属于什么类型发票
  • 昌吉市税务大厅
  • 江苏联通客服电话人工服务号码
  • 南京交税的标准2019
  • 市中区税务局办税大厅地址
  • 车辆购置税查询官网
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设