【pytorch】利用tensorboard记录训练过程与查看

最新推荐文章于 2025-03-24 21:20:26 发布
最新推荐文章于 2025-03-24 21:20:26 发布
阅读量3.3k 收藏 6
点赞数 1
分类专栏： pytorch 文章标签： pytorch
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/qq_43019433/article/details/118602882
版权

文章目录

代码

from torch.utils.tensorboard import SummaryWriter

在epoch内保存，三个参数分别为保存字符串名、保存变量和步数

writer.add_scalar('training loss', running_loss / 10, epoch * size + step)

读取保存的log

命令行输入：


                

                
                
        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        


    



                



	

		

			

				
					
通过tensorboard查看训练过程（训练趋势图查看）

				
			

			

				

					zhouzongzong的博客
				

				

					05-28
					
					3187
					
				

			

		

		

			
				
通过tensorboard查看训练过程：
点击Terminal，输入命令
tensorboard --logdir=“runs/train/exp11”
其中，runs/train/exp11自动生成的文件夹，里面保存了训练过程文件，exp11是我这里最新的文件，因为每运行一次程序都会生成一个新的文件，所以需要对runs/train查看最新的文件即为当前对应的训练文件，执行命令后点击生成的http://localhost:6006/进入浏览器查看



...

			
		

	



                

            
              



	

		

			

				
					
pytorch训练过程可视化

				
			

			

				

					juluwangriyue的博客
				

				

					10-16
					
					1553
					
				

			

		

		

			
				
pytorch训练过程可视化
如果runs是生成log的目录，执行下面的命令就可以查看训练的过程：
tensorboard --logdir runs


从结果可以看出，loss并不是稳定下降的完美曲线，所以可能需要调整某些参数。
参考：Pytorch使用tensorboardX可视化。超详细！！！
参考：

...

			
		

	



              


  
              

                


	

		

			

				
					
Pytorch中Tensorboard的学习

					
最新发布

				
			

			

				

					weixin_70673823的博客
				

				

					03-24
					
					1434
					
				

			

		

		

			
				
Pytorch中Tensorboard的学习

			
		

	





	

		

			

				
					
可视化pytorch训练过程（visdom）

				
			

			

				

					无
				

				

					01-03
					
					774
					
				

			

		

		

			
				
前言
在深度学习模型训练的过程中，常常需要实时监听并可视化一些数据，如损失值loss，正确率acc等。在Tensorflow中，最常使用的工具非Tensorboard莫属；在Pytorch中，也有类似的TensorboardX，但据说其在张量数据加载的效率方面不如visdom。visdom是FaceBook开发的一款可视化工具，其实质是一款在网页端的web服务器，对Pytorch的支持较好。
安装与启动
visdom的安装比较简单，可以直接使用pip命令。
# visdom 安装指令
pip install

			
		

	



		

			
		



	

		

			

				
					
【PyTorch】06训练过程

				
			

			

				

					qq_41566530的博客
				

				

					05-21
					
					495
					
				

			

		

		

			
				
6 PyTorch训练过程
6.1 学习率调整

学习率(learning rate)：控制更新的步伐，注意：学习率不宜设置过大，也不宜设置过小
lr初始化：

设置较小数：0.01、0.001、0.0001
搜索最大学习率：《Cyclical Learning Rates for Training Neural Networks》

lr调整策略：学习率前期需设置大，后期需设置小
PyTorch 中常用的 lr_scheduler [学习率调整策略] 
PyTorch API：Doc —> torc

			
		

	





	

		

			

				
					
PyTorch学习笔记（8）训练模型全过程

				
			

			

				

					游星的博客
				

				

					08-20
					
					445
					
				

			

		

		

			
				
使用 pytorch 训练模型

			
		

	





	

		

			

				
					
PyTorch学习日志_20201031_训练分类器

				
			

			

				

					weixin_46030441的博客
				

				

					10-31
					
					271
					
				

			

		

		

			
				
日期：2020.10.31
主题：PyTorch入门
内容：


根据PyTorch官方教程文档，学习PyTorch中的训练分类器。


根据自己的理解和试验，为代码添加少量注解。


具体代码如下 ↓
from __future__ import print_function
import torch

"""
{训练分类器}
"""

"""
【数据处理】

 对于图片，有Pillow，OpenCV等包可以使用；
 对于音频，有scipy和librosa等包可以使用；
 对于文本，不管是原生python

			
		

	





	

		

			

				
					
pytorch 利用Tensorboar记录训练过程loss变化

				
			

			

				

					@bangbang的博客
				

				

					02-02
					
					1706
					
				

			

		

		

			
				
import ostry:except:passtry:num = 5else:num = 15except:passplt.cla()(1) 首先利用类的构造函数__init__， 实例化的对象self.writer，并将网络结构图添加到self.writer中。其中__init__方法接收的参数包括，保存log的路径log_dir以及模型model和输入的shapetry:except:pass(2)  记录每个epoch的训练损失loss以及验证val_loss。

			
		

	





	

		

			

				
					
PyTorch可视化 | 可视化网络结构 | 使用TensorBoard可视化训练过程

				
			

			

				

					liujiesxs的博客
				

				

					08-22
					
					3792
					
				

			

		

		

			
				
PyTorch可视化

			
		

	





	

		

			

				
					
pytorch使用tensorboard实现可视化总结

				
			

			

				

					苹果姐计算机视觉原创知识分享
				

				

					01-12
					
					1168
					
				

			

		

		

			
				
一、介绍：
Tensorboard 是 TensorFlow 的一个附加工具，可以记录训练过程的数字、图像等内容，以方便研究人员观察神经网络训练过程。可是对于 PyTorch 等其他神经网络训练框架并没有功能像 Tensorboard 一样全面的类似工具，一些已有的工具功能有限或使用起来比较困难 (tensorboard_logger, visdom等) 。TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能。
二、环境准备：
这

			
		

	





	

		

			

				
					
pytorch使用tensorboardX进行loss可视化实例

				
			

			

				

					12-20
				

			

		

		

			
				
在PyTorch中，TensorboardX是一个非常实用的库，它允许我们利用TensorBoard来可视化训练过程中的关键指标，如损失(loss)、准确率(accuracy)等。TensorBoard原本是TensorFlow的一个内置工具，但通过TensorboardX，...

			
		

	





	

		

			

				
					
Tensorboard同时显示多个训练日志

				
			

			

				

					
				

				

					03-12
					
					7315
					
				

			

		

		

			
				

			
		

	





	

		

			

				
					
如何使用 TensorFlow Tensorboard 观察训练，调节参数

				
			

			

				

					Chatopera
				

				

					10-12
					
					663
					
				

			

		

		

			
				
A brief and concise tutorial on how to visualize different aspects such as the loss of your neural network using tensorboard.
TL;DR
A brief and concise tutorial on how to visualize different aspects such as the loss of your neural network using tensorboard

			
		

	





	

		

			

				
					
使用 Tensorboard 在本地查看服务器的训练数据

				
			

			

				

					LIMoum
				

				

					03-25
					
					990
					
				

			

		

		

			
				
这里写自定义目录标题使用 Tensorboard 在本地查看服务器的训练数据1 准备数据2 远程隧道搭建2.1 建立 Tunneling2.2 建立 SSH Tunnel2.3 配置 Tunnel2.3.1 Tunnel 填写服务器的 Tensorboard 信息2.3.2 Tunnel 填写服务器路由转发信息2.3.3 Tunnel 填写本地目标端口3 本地映射4 完成了
使用 Tensorboard 在本地查看服务器的训练数据
如何使用 Tensorboard 保存训练数据，可以查看我之前写的一篇博客：

			
		

	





	

		

			

				
					
win下怎么查看tensorboard

				
			

			

				

					一只攻城狮的博客
				

				

					02-13
					
					4028
					
				

			

		

		

			
				
win下怎么查看tensorboard

在进行模型训练时，我们有时会使用回调函数tensorboard来可视化数据，本文介绍了在保存tensorboard运行文件后，该如何在win下查看可视化界面。

第一种方法:
如果你安装了Anaconda,可以直接启动anaconda控制台窗口

代码示例：

运行命令：tensorboard --logdir= 保存文件的地址（图中绿色为我保存的文件地址...

			
		

	





	

		

			

				
					
AI深度学习入门与实战15 TensorBoard：实验统计分析助手

				
			

			

				

					fegus的博客
				

				

					10-04
					
					758
					
				

			

		

		

			
				
在机器学习中，我们经常要衡量和把握模型的参数、指标等信息，这就需要一种工具，希望它能提供机器学习工作流程期间所需的测量和可视化的信息，于是就有了 TensorBoard。在构建深度学习的模型时，只要模型开始训练了，很多内部细节是不对外暴露的。模型的参数是多少、变大了还是变小了、当前的准确率是多少，我们都不知道。而 TensorBoard 可以通过 Web 页面提供查看细节与过程的功能，它将模型的细节与过程，通过浏览器可视化的方式进行展现，帮助使用者感知各个参数与指标的变化，把握训练趋势。

			
		

	





	

		

			

				
					
在Pytorch中使用Tensorboard可视化训练过程

				
			

			

				

					m0_60673782的博客
				

				

					11-04
					
					818
					
				

			

		

		

			
				
在Pytorch中使用Tensorboard可视化训练过程_哔哩哔哩_bilibili

视频地址如上 发布时间是2021.01.04

本节课的教程来自pytorch官网tutorial的visualizing models,data,and traing with tensorboard

本节课的代码在pytorch_classification的tensorboard_test中





up主常用tensorboard四个功能，1在tensorboard -graph中 保存网络结构图，2在s.

			
		

	





	

		

			

				
					
如何利用Tensorboard以可视化的方式查看训练的“过程资产”（目标函数、结果、AUC等等）

				
			

			

				

					LIMoum
				

				

					11-18
					
					1364
					
				

			

		

		

			
				
将训练过程资产发挥极致
机器学习、深度学习过程中，只得到结果是不行的，有很重要的过程数据可以通过tensorboard的方式可视化，如目标函数值、AUC、results。
接下来是如何使用
1 需要创建日志文件
日志文件可以往里面填写数据，需要两个环境，tensorboard与tensorboardX，还是为了调用里面的SummaryWriter来填写内容。
tensorboard与tensorboardX的安装
*要保证环境里有相应的依赖啊*

pip install tensorboard

pip i

			
		

	





	

		

			

				
					
windows7使用tensorboard查看机器学习网络的参数

				
			

			

				

					qq_33699659的博客
				

				

					08-30
					
					588
					
				

			

		

		

			
				
tensorflow提供了tensorboard框架用于分析和调试神经网络模型，，可以调用tensorboard图形用户界面来查看汇总数据

1、运行程序，在指定文件夹中生成日志文件（一般在程序的目录下生成）。

2、找到安装tensorflow的文件夹，打开命令行进入此文件夹，输入python F:\Anaconda3\envs\tensorflow\Lib\site-packages\tens...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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