PyTorch 使用 TensorBoard 中的 writer.add_scalar 与 writer.add_scalars 的区别
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 的父级名称
- tag_scalar_dict (dict):保存 tag 及相应的值的键值对
- global_step (int):全局步值
- walltime (float) 可选参数,可选参数,用于记录发生的时间,默认为 time.time()
两者区别
- writer.add_scalar() 添加一个标量到 summary
- writer.add_scalars() 可以同时添加多个标量到 summary 中,多个标量需要使用键值对的形式输入
两种共同点
- 第一个参数可简单理解为保存到 tensorboard 日志文件中的标量图像的名称
- 第二个参数可简单理解为图像的 y 轴数据
- 第三个参数可简单理解为图像的 x 轴数据
- 第四个参数都是可选参数,用于记录发生的时间,默认为 time.time()
实例
import numpy as np
from torch.utils.tensorboard import SummaryWriter # 也可以使用 tensorboardX
# from tensorboardX import SummaryWriter # 也可以使用 pytorch 集成的 tensorboardwriter = SummaryWriter()
for epoch in range(100):writer.add_scalar('add_scalar/squared', np.square(epoch), epoch)writer.add_scalars("add_scalars/trigonometric", {'xsinx': epoch * np.sin(epoch/5), 'xcosx': epoch* np.cos(epoch/5), 'xtanx': np.tan(epoch/5)}, epoch)writer.close()
- 以上代码运行结束后,会在当前的工作目录下自动生一个 runs 目录
查看结果
# cd 到当前的工作目录下,如:
cd /User/dell/# 运行 tensorboard
tensorboard --logdir "./runs"
浏览器中输入查看的地址
http://127.0.0.1:6006/
参考
- https://pytorch.org/docs/stable/tensorboard.html
PyTorch 使用 TensorBoard 中的 writer.add_scalar 与 writer.add_scalars 的区别相关推荐
- Pytorch学习-tensorboard的使用
Pytorch学习-tensorboard的使用 1 Tensorboard简介 运行机制 安装及测试 2 SummaryWriter实例的使用教程 (1)初始化summaryWriter的方法 (2 ...
- Pytorch 配置 Tensorboard 可视化学习(一)
安装 pip install -i https://mirrors.aliyun.com/pypi/simple/ tensorboard 使用案例 新建一个python的文件,写入: from to ...
- pytorch调用tensorboard方法尝试
转载自:pytorch调用tensorboard方法尝试 tensorboard提供了用于监视训练损失很好的接口,可以帮助我们更好的调整参数.下文介绍如何在pytorch中调用tensorboard. ...
- pytorch使用tensorboard可视化loss、acc
解决方法可以直接看最后,中间都是我自己踩的一些坑 2021.7.28 完成密封圈训练报告 将模型的train_acc.val_acc.loss以可视化的方法画出来 安装tensorboard Pip ...
- Pytorch使用tensorboard监视网络训练过程
Pytorch作为一大主流深度学习框架,在1.2版本之后自带tensorboard,这为监视训练过程带来了巨大的便利.但目前的教程多数没有写如何动态监视训练过程.在进行了一些探索后,实现了mnist分 ...
- Pytorch使用Tensorboard记录loss曲线 (Tensorboard学习二)
关于Tensorboard的基本使用方法可以参考:Pytorch 配置 Tensorboard 可视化学习(一) 对于一个基本模型: import torch import torch.nn as n ...
- pytorch入门——tensorboard,transforms,dataset,dataloader,model,train,test
目录 tensorboard transforms Dataset Dataloader model train test tensorboard import torchvision from to ...
- PyTorch 1.4 中文文档校对活动正式启动 | ApacheCN
一如既往,PyTorch 1.4 中文文档校对活动启动了! 认领须知 请您勇敢地去翻译和改进翻译.虽然我们追求卓越,但我们并不要求您做到十全十美,因此请不要担心因为翻译上犯错--在大部分情况下,我们的 ...
- PyTorch 1.2 中文文档校对活动 | ApacheCN
整体进度:https://github.com/apachecn/pytorch-doc-zh/issues/422 贡献指南:https://github.com/apachecn/pytorch- ...
- 小绮的踩坑日记|小土堆pytorch视频——tensorboard
报错 "在torch.utils.tensorboard中找不到" 问题1: 在pytorch中通过pip install tensorboard正确安装tensorboard之后 ...
最新文章
- ID3、C4.5、CART树算法简介,这几个算法有什么区别?对于异常值和分类值有什么需要注意的?
- 大一计算机期末考试高数试卷,高等数学大一期末试卷(A)及答案
- 递归c语言字符串最小编辑距离,算法设计与分析-编辑距离问题
- windows下java环境搭建
- Android Studio 错误: 非法字符: #39;\ufeff#39; 解决方式|错误: 须要class, interface或enum...
- 设计模式学习笔记一——开篇
- 小程序和vue语法对比_React语法开发微信小程序 Demo
- 从职场新人到企业高管,她是怎么做到的?
- 【华为云技术分享】深度详解GaussDB bufferpool缓存策略
- 生产环境实施 VMware 虚拟化基础架构,千万不要犯 4 个错误
- linux虚拟环境tmux,关于在Linux系统中如何把tmux和vim打造成IDE的讲解
- .gitignore忽略文件提交服务器
- 数据样本过大 数据维度过大:用户名做一个聚类2.可以将时间分段,达到降维的效果
- roseha linux,ROSEHA双机软件图解安装配置linux.docx
- SSM实现校园二手交易平台
- 新知实验室TRTC初探
- 怎样自建邮件服务器,简单快速搭建邮件服务器
- 数据结构队列顺序循环队列、加入、删除、取头元素
- October CMS - 快速入门 2 基本概念
- 老外的各种no-sql数据库的比较贴
热门文章
- 【Week 15 作业】A - ZJM 与霍格沃兹(必做)、B - ZJM 与生日礼物(选做)、C - ZJM 与纸条(选做)
- cmd贪吃蛇(cmd贪吃蛇怎么做)
- 网易buff服务器不稳定,《梦幻西游》手游平民94方寸逆袭成神分享心得助你腾飞_
《梦幻西游》手游官网-人人都玩,无处不在...
- matlab对数组中的某一列进行排序
- windows10如何设置电脑的固定IP地址
- CSS Sprite雪碧图的应用
- 软件测试之功能测试是什么?
- event mpm php,apache的mpm的几种模式
- MySQl:子查询和关联查询哪个效率高
- 主要几个浏览器的内核是什么