tensorboard summary使用

最新推荐文章于 2023-02-12 11:06:20 发布
原创 最新推荐文章于 2023-02-12 11:06:20 发布 · 805 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍如何在TensorFlow中使用summary模块记录训练过程中的关键指标，如loss，并将其可视化。通过定义scalar变量和使用File_Writer，可以将训练过程中每个epoch的loss变化保存下来，便于后续分析和优化。
部署运行你感兴趣的模型镜像

假设想要输出loss随epoch的变化图：

1、构建图过程中声明scalar变量

在图中定义loss节点后，加一个

loss_summary = tf.summry.scalar('loss',loss)


当有多个要输出时，可以用

merged_summary_op = tf.merge_all_summaries()

汇总到一个节点，执行时执行这个节点，add这个节点就行

2、构建完整个图后加File_Writer

构建完图，在执行前，声明

file_writer = tf.summary.FileWriter(logdir,tf.get_default_graph())

比如在全局变量init语句之后

3 、执行过程中

喂入数据后run上面的loss_summary节点
然后：

file_writer.add_summary(loss_summary_str,epoch)

4、查看

您可能感兴趣的与本文相关的镜像

GPT-oss:20b

GPT-oss:20b

图文对话
Gpt-oss

GPT OSS 是OpenAI 推出的重量级开放模型，面向强推理、智能体任务以及多样化开发场景

tf第九讲：tensorboard可视化之tf.summary
weixin_43178406的博客
03-11 2万+
本文主要讲解了如何利用tensorboard对tf进行可视化，保存训练过程中产生的日志，并对日志进行可视化。通过loss、accuracy的可视化可以进一步判断模型的训练效果
TensorFlow之summary详解
kk123k的博客
02-11 5729
  TensorFlow中 tensorboard 工具通过读取在网络训练过程中保存到本地的日志文件实现数据可视化，日志数据保存主要用到 tf.summary 中的方法。  summary.py定义在tensorflow/python/summary/summary.py。提供了像tf.summary.scalar、tf.summary.histogram 等方法，用来把graph图中的相关信...
tf.summary用法总结
热门推荐
Jasminexjf的博客
09-22 2万+
转自 原博客 tensorboard 作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。 而在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tensorboard显示。 tf.summary有诸多函数： 1、tf.summary.scalar 用来显示标量信息，其格式为： tf.summary.scala...
【Tensorboard】Tensorboard 数据可视化 之summary
sunflower_sara的机器学习园地
05-30 486
1. summary的使用 主程序中，训练之前 1） eg. variable_summaries(weights) variable_summaries(biases) 2）histogram eg. tf.summary.histogram('pre_activations', logits) tf.summary.histogram('activations',...
Tensorboard 直方图Summary使用指南
Daniel2333的博客
05-18 1万+
Tensorboard功能很fancy; if 不知道如何解读其中的信息: 然并卵;主要内容：如何解读Histogram Dashboard的信息用途当你想查看一个tensor在训练过程的值的分布情况时，可通过下面的语句将其分布的统计情况显示在tensorboard页面中：tf.summary.histogram('summary_name', tensor)Tensorboard有两个选项
精选资源
TensorBoard的使用
01-27
使用TensorBoard展示数据，需要在执行Tensorflow计算图的过程中，将各种类型的数据（summary protobuf）汇总并记录到日志文件中。然后使用TensorBoard读取这些日志文件，解析数据并生产数据可视化的Web页面，让我们...
精选资源
tensorboard使用教程
01-27
发现tensorboard是个好工具，但一直没使用。本文是学习笔记主要用的是tf.summary,主要包括：1.tf.summary.histogram(生成Histogram和distribution),代码示例：2.tf.summary.scalar：主要用于记录诸如：准确率、损失...
tensorboard使用详解
路上的病人博客
01-25 732
先说使用步骤： 1.对标量数据汇总和记录使用tf.summary.scalar，函数格式如下： tf.summary.scalar(tags, values, collections=None, name=None) 2.使用tf.summary.histogram直接记录变量var的直方图 3.将要保存的变量存在一起 merged_summary_op = tf.summary.merge_a...
torch-summary / tensorboard 无法使用
m0_48209770的博客
11-21 768
torch-summary的无效输出tensorboard 报错。
Tensorboard的可视化之name_space和summary
上帝是个娘们的博客
04-01 460
name_scope name_scope：让生成的汇总有层次性 典型的TensorFlow可以有数以千计的节点，如此多而难以一下全部看到，甚至无法使用标准图表工具来展示。为了简单起见，我们为变量名划定范围，并且可视化把该信息用于在图表中的节点上定义一个层级。默认情况下，只有顶层节点会显示。 在fc1_model这个命名空间下，定义了三个操作: matmul，+，relu。生成的tensorbo...
Tensorboard的使用 ---- SummaryWriter类（pytorch版）
redfish95的博客
02-12 8869
在进行模型训练时，对训练进行可视化可以帮助我们更直观查看模型训练情况，从而更容易发现问题。本文用到的方法为tensorboard可视化方法。
tensorboard summary存储数据
墨流觞的博客
09-10 2949
利用summary存储数据 总共分为4步 添加记录节点 tf.summary.scalar(name, tensor) 汇总记录节点 summary_op = tf.summary.merge_all() 运行汇总节点 summary_str = sess.run(summary, feed_dict=feed_dict) 将数据存到文件中 summary_write = tf....
深度学习（6）tensorflow-summary for tensorboard
Bamboozq的博客
11-06 451
tensorboard 作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。 而在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tensorboard显示。 tf.summary.scalar 用来显示标量信息，其格式为： tf.summary.scalar(tags, values, collectio...
为什么在EXCEL表里输入银行账号后四位都会自动变成0000
小张的博客
11-02 1万+
EXCEL中默认数字显示11位，du如果超过11位，则会显示为科学zhi记数法或后面的显示为0，个人银dao行帐号一般为19位，要全部显示出来，就要以文本格式输入，方法有： 右击单元格（如果是整列，直接右击列标）–设置单元格格式–数字–文本–确定； 先输入英文状态下的单引号“’”，再输入数字串，也是作为文本，会全部显示出来； 如果输入的数字已经成了科学记数法，想改为文本格式，可先设置成文本格式，再双击单元格即可，但此法只适用于不超过15位数字，15位后的会显示为0，只有取消重新输入或修改。
从tensorflow的summary中提取数据，并进行平滑操作与显示
wzg2016的博客
10-15 1854
在训练神经网络时，我们通常使用tensorboard监视训练过程，记录模型损失等情况。 有时候，我们还希望在训练结束后对模型的训练过程，或不同的损失曲线进行对比。就需要调用这些损失信息。 tensorflow的tensorboard提供了提取这些数据的方法。 ...
tensorboard可视化_Tensorboard可视化（内附代码）
weixin_39951396的博客
11-25 169
TensorFlow新手小白，如有错误请及时指出，谢谢大家。https://github.com/MagaretJi/Tensorboard​github.com这里我们采用Mnist手写数字数据集来讲解如何将训练过程可视化。Tensorboard记录与展示的数据形式：（1）标量Scalars：tf.summary.scalar()（2）图片Images：tf.summary.image()（3）...
tensorflow tf.summary用法总结
rocking_struggling的博客
03-20 4767
原文链接：https://blog.csdn.net/jasminexjf/article/details/82817912 一、基于.ckpt文件的模型保存和载入方法 1.保存模型 使用saver = tf.train.Saver() 定义一个存储器对象, 然后使saver.save() 函数保存模型. saver 定义时可以指定需要保存的变量列表, 最大的检查点数量, 是否保存计算图等. 比...
Tensorflow: You must feed a value for placeholder tensor 'inputs/y_input' with dtype float and shape
嘿，你好！
04-09 2万+
Tensorflow: You must feed a value for placeholder tensor 'inputs/y_input' with dtype float and shape从字面理解是：你必须给占位符y_input喂入一个向量值即赋值，看下面代码： writer = tf.summary.FileWriter("logs/",sess.graph) #损失...
tensorboard怎么使用？
最新发布
08-07
### TensorBoard 使用教程与模型可视化指南 TensorBoard 是 TensorFlow 提供的可视化工具，广泛用于深度学习模型的训练监控和结果展示。它支持多种数据类型的可视化，包括标量、图像、直方图、文本、音频等，并且可以通过插件扩展功能。以下是一个基础的使用教程和模型可视化指南。 #### 安装 TensorBoard 在使用 TensorBoard 之前，需要确保已经安装了 TensorFlow 或者 PyTorch（配合 TensorBoardX 使用）。对于 TensorFlow 用户，TensorBoard 已经内置，可以直接使用： ```bash pip install tensorflow ``` 对于 PyTorch 用户，可以使用 TensorBoardX 或 PyTorch 的内置 TensorBoard 支持： ```bash pip install tensorboardX # 或者使用 PyTorch 1.2+ 的内置支持 pip install torch ``` #### 基本使用流程 1. **导入 TensorBoard 模块** 在代码中导入 TensorBoard 的 SummaryWriter 模块： ```python from torch.utils.tensorboard import SummaryWriter # 或者对于 TensorFlow 用户 from tensorflow.summary import create_file_writer ``` 2. **创建日志文件夹** 创建一个文件夹来存储 TensorBoard 的日志文件： ```python writer = SummaryWriter('runs/experiment_1') ``` 3. **记录数据** 在训练过程中，可以记录标量、图像、直方图等数据： ```python # 记录标量 writer.add_scalar('Loss/train', loss.item(), epoch) # 记录图像 writer.add_image('Image/sample', image_tensor, epoch) # 记录直方图 writer.add_histogram('Weights/conv1', weights, epoch) ``` 4. **启动 TensorBoard** 在终端中运行以下命令启动 TensorBoard： ```bash tensorboard --logdir=runs ``` 打开浏览器，访问 `http://localhost:6006`，即可看到可视化的训练过程。 #### 高级功能 - **图像可视化**：可以展示模型处理的图像数据，帮助分析模型的输入输出[^3]。 - **嵌入投影**：用于可视化高维向量（如词嵌入），支持 t-SNE 和 PCA 降维方法[^5]。 - **注意力热图**：在 NLP 任务中，可以展示模型的注意力分布，验证模型是否理解语言结构[^5]。 #### TensorBoardX 的使用 对于 PyTorch 用户，TensorBoardX 是一个常用的扩展工具，提供了与 TensorBoard 兼容的 API： ```python from tensorboardX import SummaryWriter writer = SummaryWriter('runs/experiment_1') writer.add_scalar('Loss/train', loss.item(), epoch) writer.close() ``` #### 注意事项 - **多 GPU 支持**：TensorBoard 在多 GPU 环境下可能存在限制，TensorBoardX 提供了更好的支持[^2]。 - **性能优化**：在处理大规模数据时，建议合理设置日志记录频率，避免性能下降[^2]。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值