机器视觉-tensorBoard使用说明

最新推荐文章于 2025-03-14 19:50:14 发布
最新推荐文章于 2025-03-14 19:50:14 发布
阅读量419 收藏 8
点赞数 3
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。
本文链接：https://blog.youkuaiyun.com/csdnharrychinese/article/details/136228610
版权

tensorboard 功能

Yolov8源码已经集成了很多个metrics监控系统, 源码位置: ultralytics\utils\callbacks\, 包括 wandb、 tensorboard、 clearml 等等.
和其他系统相比, tensorboard 功能较弱. yolov8 自动集成 tensorboard 功能包括:

  • 查看学习率
  • 查看mAP/precision/recall指标
  • 查看loss
  • 查看模型graph图 (亮点)

tensorboard 比较欠缺的功能有:

  • 不能标记每次train, 也无法跟踪每次训练具体超参和数据集, 所以光靠tensorboard的展示很难指导我们调优.
  • 如果使用多台机器训练, 不太方便将这些结果放到一个tensorboard系统上进行比较.

安装和启动

安装tensorboard后, 进行train时 yolov8将自动生成 tensorboard 专用的 events.out.tfevents.* 日志文件, 并告知我们如何使用 tensorboard.

安装

pip install tensorboard

安装后会在虚拟环境的scripts多一个 tensorboard.exe 文件, 可以使用该命令启动 tensorboard web系统.

启动 tensorboard web系统

# 查看所有runs
最低0.47元/天 解锁文章
zhugejianzhan
关注
YOLOv8训练脚本与依赖安装
qq_45232776的博客
05-29 444
YOLOv8训练脚本与依赖安装
使用PyTorch进行深度学习-TensorBoard 可视化模型、数据和训练
qq_40379132的博客
05-10 2337
在之前的内容中， 已经展示了如何加载数据， 通过我们定义nn.Module的子类模型 , 在训练数据上训练该模型，并在测试数据上对其进行测试。 还打印出一些模型在训练过程中的统计数据以了解训练是否在进行中。 但是，PyTorch 与 TensorBoard可以做得更好，它是一种用于可视化神经网络训练运行结果的工具。 本次使用Fashion MNIST（使用 torchvision.datasets 导入 PyTorch ）数据集演示了它的一些功能。 读入数据并进行适当的转换（与之前的教程几乎相同）。 设
[YOLOv8] 缺陷检测之使用TensorBoard来查看训练结果
老狼工作室的博客
12-17 1万+
本文主要介绍了如何安装TensorBoard，并通过TensorBoard来查看YOLOv8的历史训练结果，或实时跟踪当前正在训练的结果。
Tensorboard的使用
2301_79877516的博客
04-24 2173
小工具1：add_image方法的参数需要是tensor型或者是numpy型，这里利用numpy.array()对PIL图片进行转换，获得numpy型图片数据信息（tensor型数据的获取在下一篇文章中）（在使用完上述两种方法后，一定要记得关闭事件文件，否则无法在终端打开绘制的训练结果）如果想要查看绘制的图像，则需要用终端进行打开：（pytorch环境下的终端）此方法第二个参数是步骤的意思，如果还想加入图片的话，下一次就将步骤从1编程2。port ：端口名，防止默认端口使用的人太多而无法进入。
Tensorboard详解
热门推荐
云中寻雾的博客
08-19 1万+
1. Tensorboard简介 对大部分人而言，深度神经网络就像一个黑盒子，其内部的组织、结构、以及其训练过程很难理清楚，这给深度神经网络原理的理解和工程化带来了很大的挑战。为了解决这个问题，tensorboard应运而生。Tensorboard是tensorflow内置的一个可视化工具，它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，因而tensorbo
v8中使用TensorBoard进行训练可视化（可用于论文）（补充版，接上一篇文章）
qq_45232776的博客
06-14 589
v8中使用TensorBoard进行训练可视化（可用于论文）（补充版，接上一篇文章）
PyTorch - 29 - 使用PyTorch的TensorBoard - 可视化深度学习指标
weixin_48367136的博客
01-13 558
欢迎来到这个神经网络编程系列。 在本集中，我们将学习如何在神经网络训练过程中使用TensorBoard可视化CNN的指标。
AI Agent的视觉-触觉-语言多模态学习
最新发布
AI天才研究院
03-14 1031
随着人工智能技术的不断发展，单一模态的信息处理已经难以满足复杂任务的需求。AI Agent的视觉-触觉-语言多模态学习旨在让AI Agent能够同时处理视觉、触觉和语言三种不同模态的信息，并将它们有效融合，以实现更智能、更灵活的决策和交互。本研究的范围涵盖了多模态信息的获取、特征提取、融合方法以及在实际场景中的应用等方面。本文将按照以下结构进行组织：首先介绍相关的背景知识和术语；接着阐述视觉、触觉、语言的核心概念及其联系；然后详细讲解核心算法原理和具体操作步骤，并给出数学模型和公式；
从零开始大模型开发与微调：tensorboardX可视化组件的使用
AI天才研究院
06-21 847
从零开始大模型开发与微调：tensorboardX可视化组件的使用 1.背景介绍 在人工智能和深度学习领域，大模型的开发与微调是一个复杂且重要的过程。随着模型规模的不断扩大，如何有效地监控和调试模型变得尤为关键。TensorBoardX 是一个强大的可视化工
YOLOv5用TensorBoard可视化结果解读
yang_yi520的博客
10-18 5911
TP为正确识别的判例个数，FN为有目标但识别为没有目标的判例个数。FP为没有目标但识别为有目标的判例个数。
【报错】【YOLOv9】tensorboard 的使用
静谧、淡雅
04-12 530
tensorboard 的使用报错处理
关于yolov5深度训练时打开tensorboard的教程
m0_57663261的博客
04-25 1236
请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。随后通过conda prompt输入conda env list，找到当前虚拟环境的位置，进入其中scripts函数确认里面并没有tensorboard这个文件。但是最开始在配环境的时候，是按照requirement.txt文件中要求配置的，其中也有tensorboard。这是因为版本太高了不适配，可以先uninstall显存版本之后重新下载一个版本低一点的，再试一次就没问题了。首先是打开terminal后，发现环境不对。
yolov5使用tensorboard可视化训练结果
范小c~的博客
05-18 1万+
记录yolov5使用tensorboard可视化方法及可能遇到问题的解决方法
TensorBoard对YOLOv5可视化训练，稀疏化bn_weight 不显示
zi_Fei_yang的博客
04-01 2135
YOLOv5利用TensorBoard对BN层可视化失效，正常和稀疏化训练没有results.csv文件
YoLov5进阶——学习笔记
qq_55009448的博客
10-18 1232
打开VSCode，在终端激活对应的环境并输入以下命令： 下载YOLOv8的代码拿来借鉴，地址如下：https://github.com/ultralytics/ultralytics下载好后解压，打开下图目录，双击打开block1文件：在block.py中找到C2f模块复制，打开YOLOv5的common.py文件，粘贴进去：我们发现C2f中有Bottleneck模块，所以把Bottleneck模块也copy过来，为了避免覆盖之前yolov5的块，我们把copy过来的模块加上了前缀：在yolov5的yolo
yolov5 tensorboard 可视化查看
weixin_46034990的博客
05-17 3594
问题描述 在使用 yolov5 训练的过程中，想查看训练过程曲线。 问题解决 找到 models/yolo.py 文件，将最下面有关 Tensorboard 的注释打开： # Create model model = Model(opt.cfg).to(device) model.train() # Profile if opt.profile: img = torch.rand(8 if torch.cuda.is_available() el
yolo使用tensorboard查看训练过程
m0_70694811的博客
01-16 1581
在终端打开并将此处的路径替换成绝对路径即可。
yolov5启用数据增强、tensorboard可视化及cutout增强
小俊俊的博客
03-12 1万+
yolov5启用数据增强与tensorboard可视化 一，yolov5启用数据增强 1.data目录下，有两个hyp的文件：data/hyp.scratch.yaml和data/hyp.finetune.yaml具体内容如下： # Hyperparameters for VOC fine-tuning # python train.py --batch 64 --cfg '' --weights yolov5m.pt --data voc.yaml --img 512 --epochs 50 # See
详解 TensorBoard－如何调参
lizz2276的博客
08-25 958
什么是 TensorBoard TensorBoard 是 TensorFlow 上一个非常酷的功能，我们都知道神经网络很多时候就像是个黑盒子，里面到底是什么样，是什么样的结构，是怎么训练的，可能很难搞清楚，而 TensorBoard 的作用就是可以把复杂的神经网络训练过程给可视化，可以更好地理解，调试并优化程序。 我们在建立神经网络模型解决问题时，例如想要用一个简单的 CNN 进行数字识别时，最想知道的就是什么样的模型，即 weights 和 bias 是多少的时候，可以使得 accuracy 达到较
机器视觉深度学习
03-12
好的，用户想了解机器视觉与深度学习的教程和资源，我需要整理相关的内容。首先，我应该先确定用户的需求，可能是寻找学习资料、论文推荐或者开源项目。根据用户提供的引用内容，里面提到了一些软件库，比如Caffe、...
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