Windows下利用bat批处理快速自动调用tensorboard的方法

最新推荐文章于 2024-04-18 01:44:38 发布
原创 最新推荐文章于 2024-04-18 01:44:38 发布 · 5.1k 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#windows #bat #批处理 #tensorboard #自动调用

本文介绍了一种在Windows环境下，通过批处理文件快速自动调用TensorBoard查看tensorflow训练信息的方法。无需每次手动输入命令，简化操作流程，提高效率。

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

Windows下利用bat批处理快速自动调用tensorboard的方法

前情提要

在学习tensorflow的过程中总要调用tensorboard查看训练信息，传统方法是打开cmd再输入logdir路径，如果tensorboard总要使用，每一次都要重新来过，于是我写了一个bat自动调用tensorboard。

我的配置

  1. Windows 10 家庭中文版（64位）
  2. I7 8750H@2.2GHz
  3. 16G DDR4
  4. GTX1050ti（4G）
  5. python3.5+tensorflow_gpu-1.4.0
  6. CUDA8.0+CUDNN6.0

批处理代码以及使用

代码非常简单，但使用起来有一点酷呦~~

start tensorboard --logdir %~dp0
timeout 10
start http://%USERDOMAIN%:6006/

STEP1.新建一个txt，将代码复制进去->保存->修改后缀名为.bat文件
STEP2.将这个bat文件copy到tensorflow的event.out.xxxxx所在的目录下
STEP3.双击执行，等待自动打开tensorboard
一起学习，一起进步！

ai唱歌---So-VITS-SVC使用教程
weixin_55703102的博客
08-15 3850
So-VITS-SVC可以通过训练某人的音声，使音频转化为目标声音，实现歌声转换的功能，本篇文章将教你如何从0开始训练自己的模型并用其来推理。
Tensorflow Object Detection Apl 和 OpenVINO工作套件部署学习笔记
linrongdun的博客
04-25 1604
xml转换成csv格式 python xml_to_csv.py -i D:\tf_train\workspaces\hear_tail\images\train -o D:\tf_train\workspaces\hear_tail\annotations\train_labels.csv python xml_to_csv.py -i D:\tf_train\workspaces\hear...
Python-在JupyterNotebook中启动Tensorboard
08-12
在Jupyter Notebook中启动Tensorboard
tensorboard的启动(跳坑)
RuiMengMeng1的博客
03-07 278
首先将模型训练并保存以后,可以看到自己保存的文件夹中出现类似于： 其次，win+R打开命令提示符窗口，cd到该文件夹的上一级目录，如： 然后，写入命令行，启动tensorboard 原先我写的命令行是tensorboard --logdir=logs,可是一直报错，最后将写的命令行是tensorboard --logdir “logs”,只需将等于号换成双引号，即可解决错误： 最后将出现的链...
使用Tensorboard查看训练过程
weixin_33984032的博客
11-01 1040
会在“当前路径/logs”目录下生成一个events.out.tfevents.{time}.{machine-name}的文件。在当前目录新建“查看训练过程.bat”，里面输入。 tensorboard --logdir=logs执行上述bat文件，打开浏览器，输入地址：http://localhost:6006，就可以查看训练过程中的各种图形。 转载于:https://www.cnb...
使用Tensorboard查看训练过程(tf，2024大数据开发开发社招面试总结+解答分享
afagagagaa的博客
04-18 420
xs = tf.placeholder(tf.float32, [None, 1], name = ‘x_input’) # xs起名x_input，会在图形上显示。ys = tf.placeholder(tf.float32, [None, 1], name = ‘y_input’) # ys起名y_input，会在图形上显示。with tf.name_scope(‘Wx_plus_b’): #净输入。with tf.name_scope(‘Wx_plus_b’): #净输入。
NVIDIA Jetson Orin Nano 刷机教程：面向嵌入式开发者的指南，快速上手
[NVIDIA Jetson Orin Nano 刷机教程：面向嵌入式开发者的指南，快速上手](https://global.discourse-cdn.com/nvidia/original/4X/7/2/e/72eef73b13b6c71dc87b3c0b530de02bd4ef2179.png) # 1. NVIDIA Jetson Orin ...
Gaussian Haircut - 了解项目: - 了解 [GaussianHaircut](https://eth-ait.github.io/GaussianHaircut/) ; - 先了解该项目: [GaussianHaircut](https://github.com/eth-ait/GaussianHaircut) , use context7 ; - 把这个项目改成WIndows的项目: - 参考install.sh和run.sh, 新建两个bat文件: install.bat 和 run.bat ; - 安装部署的时候验证必须的软件是否正确安装, 如果没有, 则帮助下载安装 ; - 用./micromamba.exe 来创建和管理虚拟环境 ; - 重写Readme,用中文, 并标注所需要安装的软件如: Blender, CMake, CUDA, Colmap(https://github.com/colmap/colmap/releases), use context7 ; - 注意环境变量要设置正确 - Code Rules: - 文件修改完成后则用命令行运行测试, 并修正Bug - 不要随意新建文件导致混乱 - 默认环境变量: - PROJECT_DIR=%CD% - DATA_PATH=%PROJECT_DIR%\data - ENV_PATH=%PROJECT_DIR%\envs - MAMBA=%PROJECT_DIR%\micromamba.exe - CUDA_DIR=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 - BLENDER_DIR=C:\Program Files\Blender Foundation\Blender 3.6 - COLMAP_DIR=C:\Colmap\bin - CMAKE_DIR=C:\Program Files\CMake\bin - GIT_DIR=C:\Program Files\Git\bin - VCVARS_DIR=C:\Program Files\Microsoft Visual Studio\2022\Professional\VC\Auxiliary\Build - install.bat 安装主要步骤: 1 环境检查与设置环境变量 2 用micromamba设置虚拟环境,并测试 3 拉取代码与依赖 4 构建必要模块(如pytorch,openpose,pixie,detectron2 等等) 5 下载大模型 6 测试 - run.bat 运行主要步骤: - 预处理: - 将原始图像排列成 3D 高斯 Splatting 格式 - 运行 COLMAP 重建并对图像和相机进行去畸变 - 运行 Matte-Anything - 调整图像大小 - 使用图像的 IQA 分数进行过滤 - 计算方向图 - 运行 OpenPose - 运行 Face-Alignment - 运行 PIXIE - 将所有 PIXIE 预测合并到一个文件中 - 将 COLMAP 相机转换为 txt 格式 - 将 COLMAP 相机转换为 H3DS 格式 - 删除原始文件以节省磁盘空间 - 重建: - 运行 3D 高斯 Splatting 重建 - 运行 FLAME 网格拟合 - 裁剪重建场景 - 移除与 FLAME 头部网格相交的头发高斯分布 - 运行训练视图渲染 - 获取 FLAME 网格头皮图 - 运行潜在发束重建 - 运行发束重建 - 可视化: - 将生成的发束导出为 pkl 和 ply 文件 - 渲染可视化效果 - 渲染线条 - 制作视频 - 必要参考: - [Gaussianhaircut](https://eth-ait.github.io/GaussianHaircut/), use context7 ; - [NeuralHaircut](https://github.com/egorzakharov/NeuralHaircut), use context7 ; - [micromamba](https://mamba.readthedocs.io/en/latest/user_guide/micromamba.html), use context7 ; - [diff_gaussian_rasterization_hair](https://github.com/g-truc/glm), use context7 ; - [Matte-Anything](https://github.com/hustvl/Matte-Anything), use context7 ; - [detectron2](https://github.com/facebookresearch/detectron2), use context7 ; - [colmap](https://colmap.github.io/), use context7 ; - [openpose](https://github.com/CMU-Perceptual-Computing-Lab/openpose), use context7 ; - [pytorch3d](https://github.com/facebookresearch/pytorch3d), use context7 ; - [simple-knn](https://github.com/camenduru/simple-knn), use context7 ; - [kaolin](https://github.com/NVIDIA/kaolin), use context7 ; - [hyperIQA](https://github.com/SSL92/hyperIQA), use context7 ; ``` # Prerequisites: # # 1. Install CUDA 11.8 # Follow intructions on https://developer.nvidia.com/cuda-11-8-0-download-archive # Make sure that # - PATH includes <CUDA_DIR>/bin # - LD_LIBRARY_PATH includes <CUDA_DIR>/lib64 # If needed, restart bash environment # The environment was tested only with this CUDA version # 2. Install Blender 3.6 to create strand visualizations # Follow instructions on https://www.blender.org/download/lts/3-6 # # Need to use this to activate conda environments eval "$(conda shell.bash hook)" # Save parent dir PROJECT_DIR=$PWD # Pull all external libraries mkdir ext cd $PROJECT_DIR/ext && git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose --depth 1 cd $PROJECT_DIR/ext/openpose && git submodule update --init --recursive --remote cd $PROJECT_DIR/ext && git clone https://github.com/hustvl/Matte-Anything cd $PROJECT_DIR/ext/Matte-Anything && git clone https://github.com/IDEA-Research/GroundingDINO.git cd $PROJECT_DIR/ext && git clone git@github.com:egorzakharov/NeuralHaircut.git --recursive cd $PROJECT_DIR/ext && git clone https://github.com/facebookresearch/pytorch3d cd $PROJECT_DIR/ext/pytorch3d && git checkout 2f11ddc5ee7d6bd56f2fb6744a16776fab6536f7 cd $PROJECT_DIR/ext && git clone https://github.com/camenduru/simple-knn cd $PROJECT_DIR/ext/diff_gaussian_rasterization_hair/third_party && git clone https://github.com/g-truc/glm cd $PROJECT_DIR/ext/diff_gaussian_rasterization_hair/third_party/glm && git checkout 5c46b9c07008ae65cb81ab79cd677ecc1934b903 cd $PROJECT_DIR/ext && git clone --recursive https://github.com/NVIDIAGameWorks/kaolin cd $PROJECT_DIR/ext/kaolin && git checkout v0.15.0 cd $PROJECT_DIR/ext && git clone https://github.com/SSL92/hyperIQA # Install environment cd $PROJECT_DIR && conda env create -f environment.yml conda activate gaussian_splatting_hair # Download Neural Haircut files cd $PROJECT_DIR/ext/NeuralHaircut gdown --folder https://drive.google.com/drive/folders/1TCdJ0CKR3Q6LviovndOkJaKm8S1T9F_8 cd $PROJECT_DIR/ext/NeuralHaircut/pretrained_models/diffusion_prior # downloads updated diffusion prior gdown 1_9EOUXHayKiGH5nkrayncln3d6m1uV7f cd $PROJECT_DIR/ext/NeuralHaircut/PIXIE gdown 1mPcGu62YPc4MdkT8FFiOCP629xsENHZf && tar -xvzf pixie_data.tar.gz ./ && rm pixie_data.tar.gz cd $PROJECT_DIR/ext/hyperIQA && mkdir pretrained && cd pretrained gdown 1OOUmnbvpGea0LIGpIWEbOyxfWx6UCiiE cd $PROJECT_DIR # Matte-Anything conda create -y -n matte_anything \ pytorch=2.0.0 pytorch-cuda=11.8 torchvision tensorboard timm=0.5.4 opencv=4.5.3 \ mkl=2024.0 setuptools=58.2.0 easydict wget scikit-image gradio=3.46.1 fairscale \ -c pytorch -c nvidia -c conda-forge # this worked better than the official installation config conda deactivate && conda activate matte_anything pip install git+https://github.com/facebookresearch/segment-anything.git python -m pip install 'git+https://github.com/facebookresearch/detectron2.git' cd $PROJECT_DIR/ext/Matte-Anything/GroundingDINO && pip install -e . pip install supervision==0.22.0 # fixes the GroundingDINO error cd $PROJECT_DIR/ext/Matte-Anything && mkdir pretrained cd $PROJECT_DIR/ext/Matte-Anything/pretrained wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth wget https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth conda deactivate && conda activate gaussian_splatting_hair gdown 1d97oKuITCeWgai2Tf3iNilt6rMSSYzkW # OpenPose cd $PROJECT_DIR/ext/openpose gdown 1Yn03cKKfVOq4qXmgBMQD20UMRRRkd_tV && tar -xvzf models.tar.gz && rm models.tar.gz # downloads openpose checkpoint conda deactivate git submodule update --init --recursive --remote conda create -y -n openpose cmake=3.20 -c conda-forge # needed to avoid cmake complining error conda activate openpose sudo apt install libopencv-dev # installation instructions are from EasyMocap, in case of problems refer to the official OpenPose docs sudo apt install protobuf-compiler libgoogle-glog-dev sudo apt install libboost-all-dev libhdf5-dev libatlas-base-dev mkdir build cd build cmake .. -DBUILD_PYTHON=true -DUSE_CUDNN=off make -j8 conda deactivate # PIXIE cd $PROJECT_DIR/ext && git clone https://github.com/yfeng95/PIXIE cd $PROJECT_DIR/ext/PIXIE chmod +x fetch_model.sh && ./fetch_model.sh conda create -y -n pixie-env python=3.8 pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 \ pytorch-cuda=11.8 fvcore pytorch3d==0.7.5 kornia matplotlib \ -c pytorch -c nvidia -c fvcore -c conda-forge -c pytorch3d # this environment works with RTX 4090 conda activate pixie-env pip install pyyaml==5.4.1 pip install git+https://github.com/1adrianb/face-alignment.git@54623537fd9618ca7c15688fd85aba706ad92b59 # install this commit to avoid error ``` 将这段代码装成windows的bat，并保证代码运行无误，注意有一些部分是需要构建的
最新发布
05-14
- micromamba：Windows下可能需要下载exe或bat文件，并配置到PATH。 - Blender：需要用户下载安装，或者脚本自动下载便携版并解压到指定目录。 - CUDA：通常需要用户手动安装，但脚本可以检查版本，比如通过nvidia-...
conda : 无法将“conda”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。 所在位置 行:1 字符: 1 + conda create -n thor python=3.8 + ~~~~~ + CategoryInfo : ObjectNotFound: (conda:String) [], CommandNotFoundException + FullyQualifiedErrorId :
03-24
比如这样写入批处理语句实现自动化切换不同 profile 设置效果更佳: ```batch @echo off call %~dp0..\Scripts\activate.bat base if "%ERRORLEVEL%"=="0" ( echo Activated successfully. ) else ( echo Failed to...
tensorflow目标检测API实现血细胞图像识别和计数
cyj5201314的博客
05-25 3330
1. 准备数据集 这里使用开源的BCCD血细胞图像数据集，包含364张图像和364个xml标注 上图为血细胞图像，其中最多包含3个目标对象，分贝是红细胞，白细胞和血小板 上图为图像对应的xml标注，主要信息有目标的类别，标注框的位置坐标 这里将364张图像拆分为训练集300张，测试集64张，分别存放在iamges和images_testdata路径下 对应的xml标注分别存放在annotations和Annotations_testdata路径下 其中0-338为训练集，339-410为测试集 至此，
如何打开tensorboard
Efdmmh_233的博客
04-24 3948
1.打开终端输入（先保证自己的环境下装了tensorboard）： tensorboard --logdir=./runs/train/exp2 路径为图片中蓝底文件所在的目录 2.回车显示 复制网址到浏览器中打开，显示成功
百度AI studio配置tensorflow环境
firesolider的博客
03-22 8771
之前做了ai studio 安装pytorch环境的教程后来发现tensorflow也是可以安装的。由于ai studio默认python环境只有2.7和3.7 有些tensorflow版本是装不了的,注意以“！”开头的脚本可以在notebook执行，没加的最好在终端执行 我这里的教程可以自己选择安装任何版本的tensorflow， 安装之前注意自己的python版本，tensorflow版...
打开Tensorboard的具体方法【windows环境】
Vera__Zhang的博客
09-14 1659
Tensorboard试了一下午都打不开.错误情况是： connectex: Therequested address is not valid in its context. 后来得大神指点总算知道自己错在哪里，特来分享一下。 1.首先，我在E盘新建了一个文件夹名为logs。 python代码保存位置为E:\code，具体内容如下： {优快云:CODE:2578302
Tensorflow 批处理
u014765410的博客
01-23 916
tensorflow批处理
【pytorch】在python脚本中自动运行tensorboard
JianJuly的博客
12-17 1041
问题 在使用tensorboard进行训练过程可视化时，每开始一次新的实验，就需要在终端重新运行一次tensorboard --logdir=path_to_log，这比较麻烦，尤其是在代码调试阶段，我们会频繁地开始新的实验， 那么如何在python脚本中自动打开tensorboard呢？ 解决方法 原代码 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter(log_dir=path_to_logs) #日志存储的
如何用代码文件运行TensorFlow的命令
lonely_wolf的博客
09-05 3920
先随便找个地方new一个test.py文件，然后执行命令---chmod a+x test.py(文件名)，然后在文件中输入命令，保存后执行./test.py命令就可以运行了。 下面是我的代码和执行结果
Keras默认使用的后端模式（Theano/TensorFlow）设置
dongapple的博客
08-22 1431
其实就是在C:\Users\75538（75538是我的windos用户名字，找你对应的用户名就行）下有个文件夹.keras，里面有keras.json文件，改一下里面的内容就好了，如果没有文件夹和文件，手动创建就行。 用theano的话，keras.json写入 { "image_dim_ordering": "th", "epsilon": 1e-07, "
Tensorboard的启动方法
天空飘来五个字
12-16 1028
TensorBoard不需要额外的安装，在Tensorflow安装完成时，TensorBoard会自动被安装。 运行下面的命令可以启动TensorBoard： #运行TensorBoard，并将日志的地址指向上面程序日志输出的地址 tensorboard --logdir=path/to/log 运行上面的命令会启动一个服务，默认端口为6006。 通过浏览器打开localhost:6006，即可打...
用BAT批处理脚本快速显示隐藏文件方法
BAT批处理脚本是Windows操作系统中一种用于简化重复性任务的脚本语言，通过执行一序列的命令来自动化完成特定的操作。这种脚本文件以".bat"作为文件扩展名，用户可以通过记事本等文本编辑器编写并保存为批处理文件。...
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