tensorboard可视化没有错误，但是数据并没有可视化出来

最新推荐文章于 2024-07-30 11:05:17 发布

读研苦命人

最新推荐文章于 2024-07-30 11:05:17 发布

阅读量325

点赞数 2

文章标签： python 深度学习

本文链接：https://blog.youkuaiyun.com/LPMYM/article/details/134853201

版权

文章讨论了在使用TensorBoard时，从torch.utils.tensorboard导入SummaryWriter会检测并报错中文目录问题，而从tensorboardX导入则不显示数据。解决方法是更改log_dir为不含中文的路径。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先你先检查你保存文件的大小，看一下判断是否有数据，根据其字节；

若其有数据，很有可能是你的项目当中有中文目录，比如你放在桌面的项目，但是E:/桌面，是含有桌面这个中文，此时你更改如下

log_dir = r'D:\test'  # 可以根据需要更改日志目录
os.makedirs(log_dir, exist_ok=True)

更改之后，在终端测试

tensorboard --logdir="D:\test"

我这边是测试就可以显示数据啦

问题发现：

from torch.utils.tensorboard import SummaryWriter
from tensorboardX import SummaryWriter

如果from tensorboardX import SummaryWriter导入，不会提示有中文目录的错误，但是其数据还是显示不出来，而from torch.utils.tensorboard import SummaryWriter检查的更严格，如果项目当中有中文目录，就会报错

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

读研苦命人

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

使用TensorBoard可视化模型

10-05

432

TensorBoard是一款出色的交互式的模型可视化工具。安装TensorFlow时，会自动安装TensorBoard。

Tensorboard不加载所有数据点的解决方案

weixin_38792396的博客

03-30

1547

使用下面代码读取tensorboard保存文件中的数据，部分数据点未加载出来 # 导入tensorboard的事件解析器 from tensorboard.backend.event_processing import event_accumulator # 初始化EventAccumulator对象 ea = event_accumulator.EventAccumulator("log/events.out.tfevents.1648366215.idse-System-Product-Name")

1 条评论您还未登录，请先登录后发表或查看评论

关于tensorboard上没有数据问题

明·煜的博客

03-03

1031

使用tensorboard绘制Loss曲线时，发现数据总是无法上传，在tensorboard可视化界面里始终显示”无数据“函数之外，而没有卸载函数内，这会造成logs文件夹内多出了很多文件。

tensorboard 没有反应

weixin_42329007的博客

04-20

762

问题原因，我在conda里创建了虚拟环境，在使用之前激活环境就好了

yolov5使用Tensorboard不更新数据

sinat_56727392的博客

05-11

543

做实验的时候在pycharm上复制了新模型进行改进但是用Tensoboard查看数据的时候一直是旧的数据，百度搜了半天以为是数据没清理干净的问题。其实是终端输入命令的文件位置没有改变，还是在原来的文件上，如图在新项目里把原来的终端关掉就行了。解决页面不更新问题。

使用tensorboard显示图像时，能显示坐标轴，但是没有图像曲线

orange_peel_love的博客

07-30

701

在pycharm terminal中更新 pip install --upgrade tensorflow tensorboard即可。网页显示 failed to fetch runs。可能是tensorboard是版本问题。

解决Tensorboard可视化错误:不显示数据 No scalar data was found

08-25

在进行TensorFlow项目开发时，TensorBoard是一个非常实用的可视化工具，能够帮助开发者监控和理解模型的训练过程。然而，在使用TensorBoard时，有时候会出现无法显示数据的问题，错误信息为“No scalar data was ...

使用tensorboard可视化loss和acc的实例

09-18

### 使用TensorBoard可视化Loss和Accuracy的详细步骤与实践 #### 一、TensorBoard简介 TensorBoard是TensorFlow提供的一个可视化的工具，可以帮助开发者监控模型的训练过程，包括但不限于查看损失函数(loss)、准确...

TensorBoard：可视化学习

10-24

为了简化这些任务并提升开发效率，TensorFlow 团队推出了一款强大的可视化工具——TensorBoard。 #### TensorBoard 概述 TensorBoard 是一个与 TensorFlow 密切集成的开源项目，用于提供图形化的用户界面，帮助...

tensorboard 一直不更新最新内容问题解决记录

YuQiao0303的博客

05-16

6329

现象即使不运行tensorboard --logdir ./runs，也能在浏览器中查看 localhost:6006的tensorbaord情况无论是否运行tensorboard --logdir ./runs，浏览器中的数据都是旧的。我有4个event file，其中一个是新建的，还有一个旧的重命名了浏览器中不显示新建的，重命名的也显示的是旧名字找到原因仿佛尝试，突然发现我运行tensorboard --logdir ./runs命令后，后面的提示是说 Serving Tenso

记录解决tensorboard无法加载数据

༄༊星河༣

12-19

1013

总结：一定要记住tensorboard启动要在日志文件的上一层这样才能将所有事件加载进去。点击进入浏览器：如下。

【错误解决】tensorboard 画图不显示或者出现No graph definition files were found.

小鼠标的博客

03-23

3738

和网上做法一样，，就是出不来结果，检查一下几点【1】是否有中文路径，（tensorflow对中文很敏感，如果有中文路径，换个）【2】检查代码是否正确（如果是运行别人的案例，多换几个试试）【3】启动方式，命令如下(两个命令都是可以的)：tensorboard --logdir=logs tensorboard --logdir logs【4】需要检查浏览器地址是否输入正确，（一般你能看到这个错...

Tensorboard 打不开图，或者命令行运行出错解决方案

牛顿爱吃香蕉的博客

04-04

3261

参考：我在使用 tensorboardtensorboardtensorboard 的时候出现了一些问题，首先是 tensorboardtensorboardtensorboard 运行正常，eventseventsevents 文件也存在，但是找不到图，如图所示：这可能是我的命令行输入有问题，我的输入是 tensorboard --logdir='logs' 这里是不需要引号的。。。修...

解决pycharm中tensorboard无法显示的问题

weixin_45182436的博客

08-12

1742

解决pycharm中tensorboard无法显示的问题，按照莫烦大神操作没有成功可以来看分为两个步骤解决首先我遇到两个问题，第一个如图1，在terminal运行之后就有几行提示的警告，这个是要解决的，不解决的话打开谷歌浏览器不会出现GRAPH的画板，而是一些提示的话。第一个问题是因为numpy的版本太高了，我卸载numpy，再重新安装低版本的就解决了，这时，打开谷歌浏览器会出现空白的画板，没有提示语。问题2 第二个问题，如图2，按照莫烦大神的操作步骤，我直接在pycharm中的terminal运

Pytorch | 解决tensorboard无法启动和显示问题

yatingliu的博客

08-24

3045

解决tensorboard无法启动和显示问题

PyTorch①---加载数据、tensorboard的使用(图像显示不出来)

weixin_45703331的博客

07-26

2077

PyTorch①---加载数据、tensorboard的使用

Tensorboard打不开的解决方法

m0_49593834的博客

07-01

2544

在网上找了一个小时的解决办法，终于解决问题了，参考博主链接：https://blog.youkuaiyun.com/gjz优快云/article/details/115830082 环境：Windows 10 + Pytorch(1.2.0) + PyCharm 在PyCharm运行后生成logs文件路径如下：但在Terminal中输出网址的用谷歌浏览器并不显示：解决办法：将路径改为： tensorboard --logdir="PyCharm\logs" 成功解决大家可以参考我的路径和解决办

Tensorboard 图像不显示问题之解决办法

u012458963的博客

03-14

6072

最近，需要用tensorboard来显示实验结果，但是遇到了一些问题，终于通过不懈努力解决了，现在记录一下。我是用pycharm的远程服务器来跑程序，所以在使用tensorboard时我需要先把其映射到远程服务器上 ssh -L 16006:127.0.0.1:6006 xjing@202.117.3.78 然后我在我的代码中加入tensorboard （放在根目录下最保险）用的是lin...

from torch.utils.tensorboard import SummaryWriter导入错误

最新发布

03-21

<think>好的，我需要帮助用户了解如何在服务器上使用TensorBoard对YOLO模型进行可视化。首先，我需要确认用户提到的YOLO模型通常是基于PyTorch实现的，比如YOLOv5或YOLOv8。TensorBoard虽然原生于TensorFlow，但PyTorch也支持通过TensorBoardX或torch.utils.tensorboard来集成。第一步是确保服务器上安装了必要的库。用户需要安装TensorBoard和PyTorch对应的版本。例如，使用pip安装TensorBoard和PyTorch的TensorBoard支持。接下来，用户需要在训练YOLO模型时，正确配置日志目录，并将训练过程中的指标写入到该目录中。YOLO的官方实现通常已经集成了TensorBoard的支持，但可能需要用户指定日志路径或启用相关选项。然后，用户需要在服务器上启动TensorBoard服务，指定日志目录。由于服务器可能没有图形界面，用户需要知道如何通过命令行启动TensorBoard，并绑定到合适的IP地址或使用SSH隧道进行本地端口转发，以便在本地浏览器中查看。例如，使用--bind_all参数允许外部访问，或者通过SSH的-L选项将服务器的端口转发到本地。用户可能遇到的问题包括权限设置、防火墙规则、或者路径配置错误。需要提醒用户检查日志目录是否存在，TensorBoard服务是否正确启动，以及端口是否开放。此外，YOLO模型训练时可能需要显式启用TensorBoard日志记录，用户需要查阅具体YOLO版本的文档，确认如何配置回调函数或日志记录器。最后，用户可能想知道如何解读TensorBoard中的各项指标，如损失曲线、验证准确率、学习率变化等。需要指导用户如何利用这些指标调整模型参数，优化训练过程。同时，如果用户使用的是YOLOv5，可能需要指出其自带的日志功能如何与TensorBoard兼容，或者是否需要额外的设置。</think>### 使用 TensorBoard 对 YOLO 模型进行可视化的方法 #### 1. 环境准备 - **安装 TensorBoard**：确保服务器已安装 TensorBoard 和深度学习框架（如 PyTorch）。YOLO 模型（如 YOLOv5/YOLOv8）通常基于 PyTorch 实现，需同步安装 `torch` 和 `tensorboard` 包： ```bash pip install tensorboard torch ``` - **配置日志目录**：在训练代码中指定日志输出路径（如 `logs/`），模型训练时的损失、指标等数据将自动写入该目录[^1]。 #### 2. 模型训练配置 - **YOLO 代码调整**：若使用官方 YOLO 代码（如 Ultralytics 版 YOLOv8），默认已集成 TensorBoard 支持。需在训练命令中指定日志目录： ```bash yolo train model=yolov8n.pt data=coco.yaml --project=runs/train --name=exp --logdir=logs ``` 此命令会将训练日志输出到 `logs/` 目录。 #### 3. 启动 TensorBoard 服务 - **服务器端启动**：通过 SSH 连接服务器后，执行以下命令启动 TensorBoard： ```bash tensorboard --logdir=logs --port=6006 --bind_all ``` - `--logdir`：指定日志目录（与训练配置一致） - `--bind_all`：允许外部 IP 访问（默认仅本地） - `--port`：自定义端口（避免冲突）[^2] - **本地访问**： - **方法 1（直接访问）**：若服务器开放了端口且防火墙允许，可通过 `http://服务器IP:6006` 访问。 - **方法 2（SSH 隧道）**：更安全的做法是通过 SSH 端口转发： ```bash ssh -L 6006:localhost:6006 用户名@服务器IP ``` 之后在本地浏览器访问 `http://localhost:6006`。 #### 4. 可视化内容解析在 TensorBoard 中可监控以下关键指标： - **训练损失曲线**（如 `train/box_loss`, `train/cls_loss`） - **验证精度**（如 `metrics/mAP50-95(B)`） - **学习率变化**（`params/lr0`） - **模型计算图**（需代码中显式导出） --- ### 服务器部署注意事项 1. **权限管理**：确保日志目录（如 `logs/`）有写入权限。 2. **端口冲突**：若默认端口 6006 被占用，可通过 `--port` 更换。 3. **后台运行**：建议使用 `nohup` 或 `screen` 保持服务持续运行： ```bash nohup tensorboard --logdir=logs --bind_all > tensorboard.log 2>&1 & ``` ---