tensorboard 初学

本文分享了在深度学习项目中如何有效管理GPU内存,包括调整内存占用比例及利用TensorBoard监控训练过程的方法。介绍了如何上传并运行程序、使用nvidia-smi监控GPU状态、通过TensorBoard查看训练曲线等实用技巧。

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

1.为了减少训练时占用太多内存,可以在 import 语句下面加上如下语句:

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.1)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) 

其中0.1 是占用比例,可以调整。

2. 可以把程序压缩包upload到 http://172.24.97.26:7778(7778这是我的端口号),new一个terminal ,进入命令行,

执行unzip filename  解压缩 , 执行某个.py程序,可以new  Python2,把代码复制进来,就可以run了,也可以 在terminal里进入程序所在的目录,执行 python  filename执行程序。

3. .py 程序执行完会产生一个log_graph的文件,在命令行输入  tensorboard -- logdir=./ log_graph  --port=6006& 执行,如果没有出错,那么就可以查看训练变化曲线了    6006是端口,如果有被占用,就再换一个。

4.新开一个网页,输入 http://172.24.97.26:6006   进入tensorboard查看曲线。

5 修改程序的 loss  参数   查看曲线变化。

6.nvidia-smi 查看内存    ,kill 杀之

7 screen -s juy(名字可以任意)

  screen -r  上面完整的 数字编号    (断电续网)

  top查看cpu 

 rm -r filename  删除文件

 pip  uninstall   filename+版本号  卸载程序  

pip install   filename +版本号  安装程序

unzip  filename  解压缩

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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