Tensorboard 的使用笔记

最新推荐文章于 2024-05-02 15:35:16 发布

转载最新推荐文章于 2024-05-02 15:35:16 发布 · 85 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/earendil/p/10375722.html

文章标签：

#python #人工智能 #运维

本文介绍如何在服务器上训练模型后，在本地查看TensorBoard结果的跨服部署方法，以及解决locale.Error异常的具体步骤。通过设置环境变量LC_ALL为C，成功解决了在服务器上启动TensorBoard时出现的locale.Error问题。

参考的教程：

https://www.tensorflow.org/guide/summaries_and_tensorboard

遇到的错误：

File "/usr/local/lib/python3.5/dist-packages/tensorboard/util.py", line 50, in setup_logging

locale.setlocale(locale.LC_ALL, '')

File "/usr/lib/python3.5/locale.py", line 594, in setlocale

return _setlocale(category, locale)

locale.Error: unsupported locale setting

执行命令：

export LC_ALL=C

我是在服务器上训练的模型，然后在本地自己电脑上看tensorboard结果

在服务器上启动 tensorboard

tensorboard --logdir= mypath

在本地执行命令：

ssh -L 16006:127.0.0.1:6006 root@服务器IP地址

将本地的16006端口映射到服务器的6006端口

转载于:https://www.cnblogs.com/earendil/p/10375722.html

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

weixin_30362801

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
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

深度学习7：TensorBoard使用方法

慢慢积累

02-27

6万+

今天学习使用TensorBoard。TensorBoard是Tensorflow可视化工具，可以用来展现TensorFlow图像，绘制图像生成的定量指标图以及附加数据。TensorBoard通过summary对数据进行汇总。常用操作如下：tf.summary.FileWriter——用于将汇总数据写入磁盘 tf.summary.scalar——对标量数据汇总和记录 tf.summary.hist

Pytorch笔记--TensorBoard的使用

2302_79365810的博客

04-26

755

TensorBoard是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程如果终端里面没有显示你创建的虚拟环境名称，例如(base), (pytorch)等，而是ps：说明没有进入到虚拟环境当中只要敲一下：conda activate pytorch（pytorch是我创建的虚拟环境名称）就好了！如果你还是进入不了的话，可以在设置里面打开工具里面的终端，把shell路径改成cmd的然后打开终端，点击上面这个箭头换成prompt。

参与评论您还未登录，请先登录后发表或查看评论

tensorboard的使用（一）：add_scalar()的使用

jbkjhji的博客

11-06

1364

add_scalar()的使用，常用来绘制train/val loss

tensorboard使用_【学习笔记】Pytorch深度学习——Tensorboard的使用（一）

weixin_39678103的博客

12-10

420

本节笔记内容具体是学习tensorboard中的两个方法分别是scalar和histogram，一共分为3个部分：(1)首先学习SummaryWriter类；(2)其次，学习两个基本方法记录标量addscalar和直方图可视化addhistogram；(3)最后，使用scalar和histogram来监控模型指标(分别有Loss曲线、Acuracy曲线以及参数分布、参数所对应的梯度分布情...

TensorBoard的使用1（add_scalar函数）

weixin_44943389的博客

11-06

1011

TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库Tensorflow一开始只能在tensorflow中使用。

Pytorch中使用tensorboard学习笔记(4)添加标量add_scalar和add_scalars

敲代码的小风

12-11

4184

参考链接: add_scalar 代码: from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter() x = range(100) for i in x: writer.add_scalar('林祖泉y=2x林麻子', i * 2, i) writer.close() # tensorboard --logdir=runs 截图展示:

tensorboard使用教程

01-27

发现tensorboard是个好工具，但一直没使用。本文是学习笔记主要用的是tf.summary,主要包括：1.tf.summary.histogram(生成Histogram和distribution),代码示例：2.tf.summary.scalar：主要用于记录诸如：准确率、损失...

PyTorch笔记21--TensorBoard使用

zjhzxsljl的博客

02-21

442

【代码】PyTorch笔记21--TensorBoard使用（一）

Pytorch学习笔记——TensorBoard的初使用

weixin_50765519的博客

05-02

1028

TensorBoard是TensorFlow的可视化工具，但它也可以与PyTorch结合使用。TensorBoard提供了一个Web界面，可以展示你训练过程中的各种信息，如损失值、准确度、权重分布等，更好地帮助开发者理解和调试模型。hl=zh-cn。

AI Atelier笔记本教程：Docker安装与Tensorboard使用指南

综合上述信息，知识点涉及到了人工智能领域的教育、Docker容器技术的使用、命令行操作、以及TensorFlow和TensorBoard的实践应用。对于想要学习AI或提升AI相关技能的学习者来说，这些知识点是入门和进阶学习中非常...

tensorboard 添加histogram、scalar

m0_51328444的博客

04-05

437

添加输入 def add_layer(inputs,in_size,out_size,n_layer,activation_function=None): layer_name='layer%s'%n_layer#输出结果为layern_layer,以字符串形式编辑神经层 tf.summary.histogram(layer_name+'weights',Weights)#纵轴是weights,表示的是Weights tf.summary.histogram(layer_name+'.

pytorch-tensorboard的基本用法一——add_scalar()

qq_51539256的博客

07-01

1235

pytorch-tensorboard的基本用法一——add_scalar()

Tenserboard之add_scalar()和add_image()使用方法

CYHR_2489的博客

09-15

6160

学习使用Tenserboard的常用技巧常见的tensorboard使用函数包括： ①.add_scalar() 用于展示标量，数 .②add_image() 用于展示图片一、标量可视化展示首先导入模块????： from torch.utils.tensorboard import SummaryWriter 通常使用writer作为类名： writer = SummaryWriter("logs") 调用SumaryWriter()函数，将所需要展示的可视化内容存储到logs文件夹中例如

tensorboard的使用

摆渡者

09-26

2万+

作用：在复杂的问题中，网络往往都是很复杂的，为了方便调试参数以及调整网络结构，我们需要将计算图可视化出来，以便能够更好的进行下一步的决策。tensorboard是可视化tensorflow模型的训练过程的工具，在安装tensorflow的同时就已经安装好了tensorboard。tensorboard能够有效地展示tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使...

TensorBoard（1）开始使用

黎国溥

06-18

1176

前言在机器学习中，要改经模型的某些参数，通常需要对其进行衡量。TensorBoard是用于提供机器学习工作流程期间所需的测量和可视化的工具。它能跟踪模型指标，例如损失和zhunque

Tensorboard使用学习笔记

u010523911的专栏

12-21

1472

刚刚开始学习Tensorflow，在使用Tensorboard的时候使用tensorboard --logdir 能正确生成访问链接，当我在浏览器中输入这个访问链接后，总显示找不到地址，无法解析地址。让我陷入了纠结，经过漫长的测试，终于找到了问题所在。当使用命令生成链接时会提示“TensorBoard 0.4.0rc3 at http://****:6006 (Press CTRL+

addScalar用法

heartdiamond的专栏

02-25

8822

addScalar("b03yf", Hibernate.STRING)中的“b03yf”是Hibernate的string类型。可以使用addScalar方法将查询结果转换成标量值，如： Double max = (Double) session.createSQLQuery("select max(cat.weight) as maxWeight from cats cat") .addSca

06：Tensorflow的可视化工具Tensorboard的初步使用

最新发布

06-03

### 小土堆笔记 TensorBoard 使用教程 TensorBoard 是一个用于可视化 TensorFlow 和 PyTorch 等框架训练过程的工具，能够帮助用户更直观地了解模型的表现。以下是基于小土堆笔记中提到的内容和相关引用[^1]，整理出的 TensorBoard 使用指南。 #### 1. 安装与环境配置为了使用 TensorBoard，首先需要确保你的开发环境中已安装相关依赖项。如果使用的是 Anaconda 环境，可以通过以下命令安装 TensorBoard： ```bash conda install tensorboard ``` 在 Anaconda Prompt 中激活指定环境后，可以运行上述命令来安装 TensorBoard[^5]。 #### 2. 初始化 TensorBoard 在代码中初始化 TensorBoard 需要创建一个 SummaryWriter 对象，该对象会将日志写入指定目录。例如： ```python from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter("logs") ``` 此代码片段会在当前项目根目录下创建名为 `logs` 的文件夹，用于存储 TensorBoard 日志数据[^1]。 #### 3. 记录标量数据记录标量数据是 TensorBoard 的核心功能之一。通过 `add_scalar` 方法，可以记录模型训练过程中的损失值、准确率等指标。函数原型如下： ```python add_scalar(tag, scalar_value, global_step=None, walltime=None) ``` - `tag`: 数据的标识符，用于 TensorBoard 中的显示。 - `scalar_value`: 要记录的标量值。 - `global_step`: 全局步数，通常表示训练过程中的时间点。 - `walltime`: 数据点的实际时间戳，默认为 `time.time()`[^3]。例如，在训练循环中记录每一步的损失值： ```python for i in range(100): writer.add_scalar('Loss/train', loss.item(), i) ``` #### 4. 启动 TensorBoard 完成日志记录后，可以在终端中启动 TensorBoard 来查看可视化结果。命令如下： ```bash tensorboard --logdir=logs ``` 这会启动一个本地服务器，通常可以通过浏览器访问 `http://localhost:6006` 查看 TensorBoard 可视化界面[^4]。 #### 5. 最大池化层的可视化如果你的模型中包含最大池化层，并希望在 TensorBoard 中观察其行为，可以结合池化层的参数设置进行记录。例如，当设置 `ceil_mode=True` 时，最大池化层会使用向上取整的方式处理输出尺寸[^2]。这种设置可能会影响模型的性能，因此可以通过 TensorBoard 监控其效果。 --- ### 注意事项 - 确保日志目录路径正确无误，否则 TensorBoard 可能无法找到对应的日志文件。 - 在分布式训练场景下，建议为每个进程分配独立的日志目录以避免冲突。