本地浏览器访问远程服务器上的Tensor Board步骤

最新推荐文章于 2025-06-04 11:49:06 发布
最新推荐文章于 2025-06-04 11:49:06 发布
阅读量2.1k 收藏 1
点赞数 2
CC 4.0 BY-SA版权
分类专栏： # Bug集合
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/mu66mu/article/details/90273031
本文详细介绍如何在Linux服务器上启动TensorBoard，并通过局域网在Windows 10本地浏览器中访问。步骤包括在服务器上运行TensorBoard指定日志目录和端口，然后在本地浏览器输入服务器IP加端口号完成远程访问。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

背景：服务器上是linux系统，本地是windows10,服务器和本地在同一局域网

1、在服务器上正常启动tensorboard

      tensorboard  --logdir=xxx  --port=6006(summary存储数据的文件夹)

     启动后，服务器上会显示

2、 本地浏览器上输入网址：服务器ip:6006,即可进入

如      http://xxx.xxx.xxx.xx:6006

本地访问远程 Tensorboard
weixin_43937759的博客
12-01 765
在日常炼丹的过程中我们一般会把模型挂在远程服务器上进行训练，工程师监督训练的方式有 wandb 和 tensorboard。今天我来解释一下如何在本地的浏览器中打开远程服务器上的 tensorboard log (此方法适用于 MAC 用户)。 MAC终端连接 ssh，将服务器的6006端口（或者其他没有被占用的端口都行，比如6007…）重定向到自己机器上来，在本地终端，输入以下命令： ssh -L 16006:127.0.0.1:6006 username@remote_server_ip 说明：
pytorch-Tensorboard使用
ssshyeong的博客
01-09 1597
Tensorboard基本使用-Pytorch
本地查看远程服务器上运行的 TensorBoard
qingqiufan的博客
07-29 495
如果端口正在使用中就更换端口。
在本地查看服务器上的TensorBoard
最新发布
m0_61431544的博客
06-04 756
在本地查看服务器上的TensorBoard
服务器的tensorboard在本地浏览器打开
qq_34413343的博客
06-22 809
服务器的tensorboard在本地浏览器打开 基本是转载的博客中的内容https://www.cnblogs.com/zhuchengchao/p/11620773.html，区别是在输入命令的时候多加一个host指定。 tensorboard --logdir=./training/model --host=127.0.0.1 --port=6006 在本地浏览器输入127.0.0.1:6006就可以了。 ...
tensorboard局域网访问
weixin_44523062的博客
05-17 2474
1 启动tensorboard的命令 tensorboard --logdir=tflog --host=0.0.0.0 --port=1234 2 在客户机上访问启动tb的设备的IP加port 为什么更改–host为0.0.0.0因为默认的127.0.0.1为回环地址只能本机访问
远程服务器使用Tensorboard指南
weixin_72973634的博客
05-23 1776
远端服务器上运行 TensorBoard 并在本地机器上查看
集成电路芯片半导体中英文对照术语词汇表
weixin_45825101的博客
07-24 2万+
英语 中文 1-9 　 10 gigabit 10 Gb 1st Nyquist zone 第一奈奎斯特区域 3D full‑wave electromagnetic solver 3D 全波电磁解算器 3-state 三态 4th generation segmented routing 第四代分层布线技术 5G commercialization 5G 商用 7 series FPGA 7 系列 FPG
借助vscode实现tensorboard局域网访问
joel的博客
03-31 1892
项目场景： 远程在同一个局域网的服务器上运行了程序，在服务器执行tensorboard命令： tensorbaord --logdir==event文件所在的目录通过局域网无法直接在web访问tensorboard的结果。 问题描述 尝试了添加 --host 0.0.0.0 等仍旧无法解决。 如下方案均未能解决遇到的问题。 解决方案： 通过vscode协助完成端口自动转发，在vscode中cd到项目目录，执行同样的tensorboard命令，在调试面板的端口一栏目，会自动建立一个端口转发的隧道，（te
远程访问Tensorboard
热门推荐
keep studying
04-30 13万+
前言在学习tensorflow的过程中，可视化工具tensorboard是必不可少的，但是由于本地主机计算性能等的局限性，很多时候我们都是在远程服务器上运行tensor flow并训练相关模型，所以学会相关远程的操作至关重要，主要是ssh命令和scp命令，这里我们只简述一下如何访问远程的tensor board。 过程 在登录远程服务器的时候使用命令： ssh -L 16006:127.0.0.1:
本地电脑查看远程服务器Tensoboard可视化界面
m0_54902013的博客
09-13 864
本地电脑查看远程服务器Tensoboard可视化界面 1、首先利用ssh进行本地端口转发 命令行下输入：ssh -L 2333:127.0.0.1:6006 xiaoming@123.123.123.123 （其中xiaoming是服务器的个人用户名，123.123.123.123是服务器ip地址，2333是本地端口号） 输入密码后就登陆了远程服务器，并且服务器端的6006端口对应PC机端的2333端口。也就是说，在本地访问2333端口就相当于访问服务器端的6006端口。 2、 ...
访问远程服务器的tensorboard
岁月如歌
05-25 924
场景与问题 tensorflow程序运行在远程服务器，tensorboard启动后访问地址为：0.0.0.0:6006。这样没法用自己机器上的浏览器访问tensorboard。 解决办法 1 . 连接ssh时，将服务器的6006端口重定向到自己机器上来： ssh -L 16006:127.0.0.1:6006 username@remote_server_ip 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。 2 . 在服务器上使用
同一局域网下，电脑连接服务器的tensorboard
hello__bug的博客
06-29 280
4.ip+端口打开tensoborad。3.开启tensorboard。
如何打开tensorboard
weixin_45835518的博客
03-17 860
一、环境变量配置 找到系统中tensorboard.exe文件的位置，anaconda下配置的tensorflow环境一般如下图，复制路径添加到环境变量中： 二、打开cmd输入命令行 找到board文件夹所在位置的上一级目录，这里为callbacks文件夹： cmd中输入以下命令，再在浏览器中输入http://localhost:6006/即可打开tensorboard。 ...
在本地访问远程服务器的tensorboard以及程序展示
你真的介意真的在乎真的想要真的渴望的话你一定能够做到
03-05 3212
如何访问远程服务器上的tensorboard 1.如果你和远程服务器在同一个局域网内，那么直接在浏览器地址栏输入：remote server address:6006remote\ server\ address:6006remote server address:6006,例如：192.168.1.200:6006192.168.1.200:600619...
本地电脑连接服务器tensorboard
JY丫丫
08-21 1595
前言 在使用tensorboard的时候，会遇到这样的一个问题，实验的结果在服务器上，但想在不下载『实验结果〗的前提下想在本地上查看结果。该文章记录的解决这样的一个问题 适用： tensorflow、pytorch 需要软件：xshell ...
tensorboard 2.4可视化 —本地电脑浏览器中输入http://ip:6006 - 无法访问此网
AnneMOMO's Blog
03-19 912
本文为转载内容，原文链接：https://blog.youkuaiyun.com/sinat_28442665/article/details/108975276 场景描述： 服务器开启 TensorBoard 服务，局域网内 主机 使用 服务器 ip + 端口 进行访问 受阻，无法打开； 成功 执行 tensorboard --logdir logs 输出如下： Serving TensorBoard on localhost; to expose to the network, use a proxy or pas
本地浏览器访问远程tensorboard
m0_51098223的博客
12-11 383
当使用远程服务器调试程序时，往往无法使用该服务器的网络，从而无法正常使用tensorboard。
Tensorboard使用教程
weixin_63880793的博客
12-07 901
一. 本地访问服务器tensorboard1.进入服务器 2.进入环境 3.找到正在运行的代码日志logs所在目录的上一层目录 4.在服务器上启动tensorboard，logdir='logs所在的上一层目录' 5. 记录tensorboard打印的端口号，如6006 6.将服务器的6006端口重定向到自己机器上来 7.在本地浏览器访问127.0.0.1：8008
远程服务器上训练
04-01
### 远程服务器上的机器学习或深度学习模型训练 要在远程服务器上进行机器学习或深度学习模型的训练，通常需要完成以下几个方面的配置和操作： #### 1. **选择并租用合适的云服务器** 租用云服务器时需考虑计算能力（CPU/GPU）、存储空间、带宽等因素。AWS[^3] 是一种常见的选择，提供灵活的资源配置选项。 #### 2. **连接到远程服务器** 使用 SSH 工具通过命令行访问远程服务器。例如，在 Linux 或 macOS 上可以使用以下命令： ```bash ssh username@server_ip_address ``` #### 3. **安装必要的软件环境** 安装基础工具和框架是关键步骤之一。这包括但不限于 Python 的科学计算库和深度学习框架 PyTorch 或 TensorFlow。具体方法如下： - 安装 Anaconda 来管理虚拟环境和依赖项[^2]: ```bash wget https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh bash Anaconda3-latest-Linux-x86_64.sh source ~/.bashrc conda create --name myenv python=3.9 conda activate myenv ``` - 安装深度学习框架及相关库： ```bash pip install torch torchvision torchaudio pandas numpy matplotlib scikit-learn jupyterlab ``` #### 4. **上传数据至服务器** 数据可以通过 SCP 命令传输到服务器，或者直接从云端下载公开数据集。例如 Fashion-MNIST 可以通过 PyTorch 自动加载[^1]: ```python from torchvision import datasets, transforms transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))]) train_dataset = datasets.FashionMNIST(root='./data', train=True, download=True, transform=transform) test_dataset = datasets.FashionMNIST(root='./data', train=False, download=True, transform=transform) ``` #### 5. **编写和调试代码** 编写训练脚本并在本地测试其功能后再部署到服务器。如果希望更方便地开发，可以在 PyCharm 中设置远程解释器来同步文件并与服务器交互。 #### 6. **启动训练任务** 提交作业前确认 GPU 是否已启用（如果有）。检查设备分配情况： ```python device = 'cuda' if torch.cuda.is_available() else 'cpu' model.to(device) ``` 执行脚本的方式取决于需求；简单的做法是在终端运行 `python script.py` ，复杂场景下可能需要用到队列管理系统如 SLURM。 #### 7. **监控进度与日志记录** 记录实验参数及性能指标有助于后续分析优化。可借助 TensorBoard 实现可视化效果： ```python from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter() ... writer.add_scalar('Loss/train', loss.item(), epoch) writer.close() ``` ---
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