通过【端口转发】在服务器上使用TensorBoard

最新推荐文章于 2024-10-09 10:02:16 发布
原创 最新推荐文章于 2024-10-09 10:02:16 发布 · 5.3k 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。
文章标签：

#TensorBoard可视化 #TensorBoard端口转发

本文介绍了如何通过端口转发在本地访问远程服务器上的TensorBoard。首先，进行一次转发从本地16006端口到跳板机16007端口，接着再从跳板机16007端口转发到目标服务器的6006端口。在目标服务器上运行代码并启动TensorBoard后，用户可以在本地127.0.0.1:16006查看可视化结果。详细教程可参考相关链接。


如果是一次转发：

https://stackoverflow.com/questions/37987839/how-can-i-run-tensorboard-on-a-remote-server



down vote
最低0.47元/天 解锁文章
如何在远程服务器下运行tensorboard，并在本地服务器看运行情况
安静到无声
10-01 2465
为了更好地进行数据分析和可视化，我们可以在远程服务器上运行TensorBoard，并通过SSH端口转发，在本地服务器上查看TensorBoard的运行情况。这样，我们可以使用远程服务器的强大计算能力，同时也能够更加直观地展示和查看数据，为数据分析和决策提供更加有力的支持。
Windows如何在本地可视化远程服务器上的tensorboard
clpzn_的博客
05-27 753
这一步本质上就是为了给我们PC的浏览器提供一个访问地址，通过这个地址我们就可以直接访问到服务器上运行 tensorboard 的地址，于是我们打开浏览器就可以看到 tensorboard 的内容了。这种地址上的关联是通过 ssh 本地端口转发实现的，它就是一个简单的信息转发方式，它能够将服务器端 localhost 上的内容不断地转发到 PC 端的浏览器上，从而实现可视化。这种一大长串的，一般在训练一个模型前都会指定好的，找到这个文件夹，我们假设它在。我们的目的是，在 PC 上的浏览器直接输入。
TensorBoard使用1
weixin_43328054的博客
02-12 242
代码 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter("logs") for i in range(100): writer.add_scalar("y=x", i , i) writer.close() 运行后 生成一个文件 运行图片中命令点击网址即可查看 参考课程视频地址:https://www.bilibili.com/video/BV1hE411t7RN?p=8&spm_id
Tensorboard端口占用
qq_41597596的博客
08-30 1571
本来CTRL+C即可退出tensorboard,但这回我貌似按错了,按成了CTRL+V,提示: v5^Z [1]+ 已停止 这时候想继续用tensorboard提示端口6006被占用,这时候我怀疑之前的操作没有成功推出,所以打开浏览器看tensorboard内容,但是发现打不开.后来通过kill 占用6006的PID,就可以使用tensorboard了. 终端输入: lsof -i:6006 输出: COMMAND PID USER FD TYPE DEVICE SIZE/OFF N
Tensorboard跳板机端口转发配置
Mugo_Moon的博客
09-17 1943
出于网络安全策略考虑，内网服务器无法连接外网，一般通过跳板机免密登录，因此tensorboard无法使用。本文介绍通过SSH隧道技术穿透内外网限制，实现tensorboard实时监测tensorflow深度学习模型运行。 1、目标服务器host-inaccessible建立root权限的新用户（知晓root密码的可以跳过此步） #建立新用户yzgpu，并添加到root用户的group(...
【学习记录】服务器转发使用tensorboard
qq_46110320的博客
05-27 934
代码在服务器上运行，想使用tensorboard查看训练的过程。但是服务器上不能直接访问地址，所以要转发端口到本地，从而在本地网页中能够打开tensorboard。参考：https://zhuanlan.zhihu.com/p/680596384本地端口：查看 tensorboard 结果时，在浏览器中输入地址时的端口号TensorBoard端口：运行Tensorboard时指定的端口（默认为6006）服务器登陆端口：登录服务器时指定的端口（默认为22）
两次端口转发：在本机远程使用服务器上的TensorBoard
时光杂货店
07-22 4991
背景：当TensorBoard运行在服务器上，而我们想在本机可视化TensorBoard数据时，可通过端口转发的方式实现。 普通方案： 使用SSH将服务器的6006端口重定向到自己机器上来。其中16006:127.0.0.1代表自己机器上的16006号端口，6006是服务器上tensorboard使用的端口。 ssh -L 16006:127.0.0.1:6006 user@hostna...
访问服务器上的tensorboard
weixin_41149572的博客
04-11 280
一句话教程: 传送门.
MobaXterm配置ssh端口转发（tensorboard使用）
YuQiao0303的博客
11-20 7374
背景： 我有一台本地Windows电脑，上面安装了MobaXterm软件。 MobaXterm通过ssh连接了一台服务器（默认是通过22端口连） 现在服务器在跑模型，其6006端口是tensorboard端口，我想在本地windows主机上查看其tensorboard信息。 考虑的方法是将服务器的6006端口映射到本地的某端口（这里为了方便，我选的还是6006） 步骤 点tunnels： 点左下角的New SSH tunnel 填写如下内容：（这里为了方便，我的本地端口号填的也是6006）
linux端口转发加速打开Gradio/Tensorboard
weixin_51375278的博客
10-09 931
远程服务器运行深度学习项目时，可视化工具如Gradio/TensorBoard的链接默认在服务器端打开，导致浏览器卡顿。通过SSH本地端口转发，可将远程端口映射到本地：使用ssh -L 本地端口:127.0.0.1:远程端口 -p SSH端口 用户名@服务器地址命令，例如将远程7860端口映射到本地8080端口。成功后，在本地浏览器访问http://localhost:8080/即可流畅查看可视化界面。这种方法有效解决了远程服务器浏览器性能不足的问题。
【本地查看服务器端运行的Tensorboard方法】
weixin_42323324的博客
11-07 456
ssh -L 8080:127.0.0.1:6006 xxx@xxx.xxx.xxx.xxx -p 22（备注：xxx分别代表服务器用户名和IP，此处端口和命令1保持一致）tensorboard --logdir output/log --port=6006（备注：log文件路径、端口自己指定。端口会冲突，自己替换）多次尝试，最终得出的正确方法。
使用Tensorboard+服务器端口映射到本地
anglehhhhh的博客
08-12 650
3. 参考下面的博文将服务器端口映射到本地，注意以管理员的身份在本地运行cmd。像平常一样使用 TensorBoard。它应该以同样的方式工作，只是更快。2. 然后，使用以下标志调用 TensorBoard。1. 在服务器端安装tensorboard。TensorBoard 的所有副本，
解决Tensorboard端口被占用
热门推荐
weixin_38502181的博客
12-26 1万+
报错信息： E1220 06:55:50.868322 MainThread program.py:267] TensorBoard attempted to bind to port 6006, but it was already in use E1220 06:55:50.868322 139684389615360 program.py:267] TensorBoard attempt...
ubuntu访问服务器tensorboard
caohaotiantian的博客
09-02 879
在ubuntu本机上实现服务器tensorboard的访问需要以下几个步骤： 登录服务器端，运行tensorboard --logdir=<events.out.tfevents.xxx.xxx 文件地址> --port <指定端口号，默认为6006> 在本机终端输入，ssh -L <本机侦听端口号>:localhost:<服务器端指定端口号，默认为60...
关于tensorboard无法打开
baidu_40582876的博客
11-16 953
tensorboard出错
在PyTorch中使用TensorBoard
自己在学习过程中的总结
07-05 3544
在机器学习中，要改进模型的某些参数，我们通常需要对其进行衡量。TensorBoard是用于提供机器学习工作流期间所需测量和呈现的工具。它使我们能够跟踪实验指标（例如损失和准确率），呈现模型计算图，将嵌入向量投影到较低维度的空间等。在PyTorch中使用TensorBoard：1.安装2.TensorBoard使用2.1创建SummaryWriter实例2.2利用add_scalar()记录metrics2.3关闭Writer2.4启动TensorBoard3.本地连接服务器使用TensorBoard
【TF】本地访问服务器端的tensorboard
拾一滴清水的博客
02-04 1145
tensorflow 2.x 只需添加–bind_all参数 本地浏览器输入http://server-ip:6006访问 # 注意--bind_all参数的位置，默认端口号是6006 tensorboard --logdir ./log/ --bind_all tensorflow 1.x 需要在本地进行端口转发 本地浏览器输入http://localhost:16006访问 # 1.服务器 tensorboard --logdir ./log/ # 2.本地 ssh -L 16006:
本机访问服务器上使用的tensorboard
qq_40500036的博客
05-28 1726
本机上想用浏览器看tensorboard画的图，一开始想的好复杂，一台本机A，一台跳板B，一台目标服务器C，我是不是要先把docker容器的6006端口转到目标服务器C的端口c_port，再把c_port转到本机的某个端口local_port… 后来想了想，反正画图考的就是tensorboard logdir下的log文件吗，我在费什么劲… 最后就把装了tensorboard的跳板机端口转发下就可以啦 ssh连接本机和跳板（端口转发） ssh -L 12345:127.0.0.1:6766 serverip
服务器上使用Tensorboard的方法
当取初时
03-02 748
进入log所在目录，在静态工作区下执行命令： tensorboard --port=8080 --bind_all --logdir=name 如果不行就输入： tensorboard --port=8080 --logdir=name --host=0.0.0.0 浏览器中输入的网址是： http://host:30810/ 注：8080端口对应的工作区端口为30810；结束tensorboard任务需要ctrl+c。 ...
在服务器上炮yolo如何看使用tensorboard可视化
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 & ``` ---
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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