科学使用tensorboard

最新推荐文章于 2024-03-03 18:16:36 发布
最新推荐文章于 2024-03-03 18:16:36 发布
阅读量198 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： python 文章标签： tenaorboard
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/weixin_44576543/article/details/99477236
本文详细介绍如何使用TensorBoard记录神经网络训练过程中的关键变量，包括如何配置日志文件、记录特定变量以及在浏览器中查看这些信息的方法。同时，针对连接问题提供了解决方案。

1从神经网络，如何记录，变量等； 找到日志文件夹

 

from tensorboardX import SummaryWriter
writer = SummaryWriter('runs/exp')

记录特定的变量，把其放入 上面文件夹中

writer.add_scalar('train/running_loss', running_loss/ite_num4val, epoch+1)  
writer.add_scalar('train/loss_tar', running_tar_loss/ite_num4val, epoch+1)

更相信的请参考：

https://www.jb51.net/article/134956.htm

https://blog.youkuaiyun.com/bigbennyguo/article/details/87956434?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.edu_weight

把其复制到命令行中，如下图所示：

2  打开在浏览器中输入相应的连接

3  如果不显示 计算机拒绝连接

把计算机名称改为 localhoost:6006

 欢迎大家留言交流

从零开始大模型开发与微调：tensorboardX可视化组件的使用
AI天才研究院
06-21 860
从零开始大模型开发与微调：tensorboardX可视化组件的使用 1.背景介绍 在人工智能和深度学习领域，大模型的开发与微调是一个复杂且重要的过程。随着模型规模的不断扩大，如何有效地监控和调试模型变得尤为关键。TensorBoardX 是一个强大的可视化工
DeepLearing—CV系列（十九）——图像分割之U^2-Net（效果极好）的Pytorch实现
wa1tzy的博客
06-29 3780
文章目录一、u2net.py二、dataloader.py三、train.py四、test.py五、crop.py六、效果展示 代码目录： 一、u2net.py EN_1：2次卷积、5次下采样、1个空洞卷积、5层上采样（每次差值上采样都需要做一次卷积）。 连续池化会造成特征丢失，每做一次池化前都做一次特征图与通道不变的卷积进行特征融合。池化也可以改为步长为2的卷积。 import torch import torch.nn as nn from torchvision import models imp
U2Net网络结构搭建
m0_56247038的博客
09-22 1122
【U2Net源码解析(Pytorch)】
u2net实现视频图像分割（从原理到实践）
ssunshining的博客
12-09 9935
u2net实现视频图像分割
U2Net基于ModelArts Notbook的仿真实验
华为云官方博客
08-12 1803
摘要：U2Net是一个优秀的显著性目标检测算法，由Qin Xuebin等人发表在Pattern Recognition 2020期刊[Arxiv]。U2Net名称的来源在于其网络结构由两层嵌套的Unet结构，可以在不需要预训练骨干网络的情况下从零开始训练，拥有优异的表现。
神经网络模型（.pth）能做些什么（使用心得）
qq_51302564的博客
04-12 2万+
一.概念 模型=网络结构+网络参数 网络结构：VGG ，RASNet…… 网络参数：网络结构中kernel，weight之类的数据 二.怎么得到模型 1.下载别人的网络结构 我们有时候会借鉴别人的网络，大多数情况下他们会在GitHub中放上已经训练好的模型，这个时候，你就可以下载下来直接用。 ps:大多都在README的文件中会放一个云盘的链接，点链接下载。 2.保存自己的网络模型 if ite_num % save_frq == 0: print(model_dir + model_name+"_bc
关于在batch训练中频繁print打印信息导致cuda内存报错的可能性
qq_44770238的博客
03-03 1044
个人以为是模型太大，导致cuda内存不够，但是模型能够运行很多个epoch，在中途运行中报错。通过减少这些操作，内存管理变得更高效，可能间接减少了 GPU 上的内存碎片化。（存储在 GPU 上）的值转换为 Python 的标量值（一个普通的数字），这个转换过程会把数据从 GPU 拷贝到 CPU。放在一个 epoch 结束后不直接减少 GPU 内存使用，但它减少了训练过程中的中断和开销，使得资源使用更加高效，可能间接影响到内存使用情况。存储的位置是 CPU 的内存，而不是 GPU 的内存。
使用Python查看Tensorboard生成训练文件的数据记录
最新发布
04-21
Python作为一种编程语言，以其简洁的语法和强大的第三方库支持，成为了数据科学和机器学习领域中的热门选择。TensorBoard正是可以通过Python进行交互，从而实现对训练数据的查看和分析。 在TensorBoard中，数据记录...
jupyter_tensorboard：在Jupyter Notebook中启动Tensorboard
02-03
`jupyter_tensorboard` 是一个非常实用的工具，它允许你在Jupyter Notebook环境中直接集成Tensorboard，使得数据科学家和机器学习工程师能够在交互式的环境中监控和分析他们的深度学习模型训练过程。这个插件极大地...
TensorFlow代码示例：使用TensorBoard可视化训练过程
TensorBoard 是一种可视化工具，广泛用于数据科学家和机器学习工程师对 TensorFlow 模型的训练过程进行监控和分析。使用 TensorBoard，用户可以轻松地绘制训练过程中的各种图表，例如损失函数、准确率、学习率曲线...
BASNet: Boundary-Aware Salient Object Detection代码复现
m0_60152377的博客
08-26 1550
BASNet: Boundary-Aware Salient Object Detection代码复现
runningloss 与loss
onlyforbest的博客
02-11 2400
runningloss 即计算一个epoch的损失，最后查看的指标是 runningloss/样本数 一些简单的案例 for i in range(epochs): running_loss=0 for data in dataloader: .... .... loss.backward() optimizer.step() ru...
running_loss += loss.item()，pytorch中的item()
weixin_42436099的博客
06-21 5365
item()返回loss的值，叠加之后算出总loss，最后再除以mini-batches的数量，取loss平均值。
【pytorch】pytorch学习笔记（一）
diejingbu1567的博客
01-26 354
原文地址：https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html 什么是pytorch？ 　　pytorch是一个基于python语言的的科学计算包，主要分为两种受众： 能够使用GPU运算取代NumPy 提供最大灵活度和速度的深度学习研究平台 开始 Tensors 　　Tensor...
PyTorch 使用 TensorBoard 中的 writer.add_scalar 与 writer.add_scalars 的区别
热门推荐
sdnuwjw的博客
07-12 4万+
writer.add_scalar() 功能：将标量添加到 summary 参数： tag (string)：数据标识符 scalar_value (float or string/blobname)：要保存的数值 global_step (int)：全局步值 walltime (float)：可选参数，用于记录发生的时间，默认为 time.time() writer.add_scalars() 功能：添加多个标量数据到 summary 中 参数： main_tag (string)：tag
卷积神经网络CNN原理+代码（pytorch实现MNIST集手写数字分类任务）
gary101818的博客
01-12 3万+
目录卷积神经网络前言卷积运算：卷积运算中几个常用的参数1.padding2.stride3.Max Pooling Layer实战演练设计一个卷积神经网络GPU的使用整体代码：运行结果 卷积神经网络 前言 若将图像数据输入全连接层，可能会导致丧失一些位置信息 卷积神经网络将图像按照原有的空间结构保存，不会丧失位置信息。 卷积运算： 1.以单通道为例： 将将input中选中的部分与kernel进行数乘 ： 以上图为例对应元素相乘结果为211，并将结果填入output矩阵的左上角 得到： 最终得到的结果为
Pytorch从入门到放弃（7）——可视化模型训练过程中的loss变化
澎湃de家夥的博客
02-07 1万+
深度学习就像炼丹，一次模型的训练需要很长时间，任何人都无法做到一直盯着模型的训练。通常都是开启模型训练之后，只要不报错并且随着迭代次数的增加模型的loss在下降，这时我都会去干别的了让它跑去吧，第二天再来看我的丹炼的怎么样。这时怎么在一堆仙丹（经过一天的训练会保存许多模型的权重，每迭代多少个batch或每个epoch保存一次权重）中找到最好的那一个。如果盲目的取最后几次保存的，容易取到过拟合的模型...
用Pytorch自建6层神经网络训练Fashion-MNIST数据集，测试准确率达到 92%
frank 的专栏
09-10 1万+
一般的深度学习入门例子是 MNIST 的训练和测试，几乎就算是深度学习领域的 HELLO WORLD 了，但是，有一个问题是，MNIST 太简单了，初学者闭着眼镜随便构造几层网络就可以将准确率提升到 90% 以上。但是，初学者这算入门了吗？ 答案是没有。 现实开发当中的例子可没有这么简单，如果让初学者直接去上手 VOC 或者是 COCO 这样的数据集，很可能自己搭建的神经网络准确率不超过 30%。...
mask rcnn 将mask 转json数据01
weixin_44576543的博客
03-14 5903
存在 图片及其对应的mask 文件 ，通过Python代码转化为json 数据，无需手工制作 1、首先准备好 图片和及其对应的mask ，使用的mask为黑底白色 #!/usr/bin/env python3 #把 mask和原图 集合到一个json 文件中 import datetime import json import os import re import fnmatch from PIL import Image import numpy as np from pycococrea..
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