Pytorch的可视化工具tensorboardX

推荐直接看我写的两个链接，

GitHub地址

Pytorch使用tensorboardX可视化。超详细！！！

Tensorboard的Github

安装

pip install tensorboardX

示例

建议直接将Github下载到本地，然后运行examples文件夹中的示例


import torch
import torchvision.utils as vutils
import numpy as np
import torchvision.models as models
from torchvision import datasets
from tensorboardX import SummaryWriterresnet18 = models.resnet18(False)
writer = SummaryWriter()
sample_rate = 44100
freqs = [262, 294, 330, 349, 392, 440, 440, 440, 440, 440, 440]for n_iter in range(100):dummy_s1 = torch.rand(1)dummy_s2 = torch.rand(1)# data grouping by `slash`writer.add_scalar('data/scalar1', dummy_s1[0], n_iter)writer.add_scalar('data/scalar2', dummy_s2[0], n_iter)writer.add_scalars('data/scalar_group', {'xsinx': n_iter * np.sin(n_iter),'xcosx': n_iter * np.cos(n_iter),'arctanx': np.arctan(n_iter)}, n_iter)dummy_img = torch.rand(32, 3, 64, 64)  # output from networkif n_iter % 10 == 0:x = vutils.make_grid(dummy_img, normalize=True, scale_each=True)writer.add_image('Image', x, n_iter)dummy_audio = torch.zeros(sample_rate * 2)for i in range(x.size(0)):# amplitude of sound should in [-1, 1]dummy_audio[i] = np.cos(freqs[n_iter // 10] * np.pi * float(i) / float(sample_rate))writer.add_audio('myAudio', dummy_audio, n_iter, sample_rate=sample_rate)writer.add_text('Text', 'text logged at step:' + str(n_iter), n_iter)for name, param in resnet18.named_parameters():writer.add_histogram(name, param.clone().cpu().data.numpy(), n_iter)# needs tensorboard 0.4RC or laterwriter.add_pr_curve('xoxo', np.random.randint(2, size=100), np.random.rand(100), n_iter)dataset = datasets.MNIST('mnist', train=False, download=True)
images = dataset.test_data[:100].float()
label = dataset.test_labels[:100]features = images.view(100, 784)
writer.add_embedding(features, metadata=label, label_img=images.unsqueeze(1))# export scalar data to JSON for external processing
writer.export_scalars_to_json("./all_scalars.json")
writer.close()

详解

from tensorboardX import SummaryWriterwriter = SummaryWriter()

Pytorch的可视化工具tensorboardX相关推荐

Pytorch的可视化工具visdom的基本使用
Pytorch的可视化工具visdom的基本使用一.简介 Visdom 是 Facebook 专门为Pytorch开发的一款用于创建.组织和共享实时丰富数据的开源可视化工具.支持 Torch 和 N ...
PyTorch深度学习训练可视化工具tensorboardX
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达之前笔者提到了PyTorch的专属可视化工具visdom,参看Py ...
PyTorch 可视化工具 TensorboardX
可视化教程使用步骤 1. 导入包 2. 添加标量.模型图所遇到问题只显示 scalar,不显示 graph 解决办法使用步骤 1. 导入包 from tensorboardX import S ...
基于Pytorch的可视化工具
深度学习网络通常具有很深的层次结构,而且层与层之间通常会有并联.串联等连接方式.当使用PyTorch建立一个深度学习网络并输出文本向读者展示网络的连接方式是非常低效的,所以需要有效的工具将建立的深度学 ...
Pytorch可视化工具tensorboardX（安装不踩坑）
安装方法(如何不踩坑,已修改): 首先默认你已经安装好pytorch(如果木有,为什么点进来呢) 安装tensorboardX pip install tensorboardX 安装tensorflo ...
【菜鸟学习笔记】Pytorch Tensorboard可视化工具的安装与简单使用步骤
进入自己的pytorch环境,并安装任意版本的tensorflow(因为Tensorboard本来是给tensorflow使用的) (base) C:\Users\Lenovo>conda ac ...
【深度学习】PyTorch深度学习训练可视化工具visdom
PyTorch Author:louwill Machine Learning Lab 在进行深度学习实验时,能够可视化地对训练过程和结果进行展示是非常有必要的.除了Torch版本的TensorBoa ...
PyTorch之—可视化（Visdom/TensorboardX）
文章目录一.Visdom 安装与使用小案例二.TensorBoardX 案例一案例二使用PROJECTOR对高维向量可视化绘制网络结构一.Visdom Visdom是Facebook在2 ...
PyTorch-模型可视化工具TorchSummary
简介不同于TensorboardX对Tensorboard的支持以方便了PyTorch的训练可视化,PyTorch并没有很好的模型可视化工具,TorchSummary对此做出了补足,极大降低了模型可 ...
conda虚拟环境安装pytorch+tensorboardX可视化工具
安装要求: pytorch没有tensorflow那样具有tensorboard可视化工具,在pytorch中想要进行可视化可以调用tensorboardX,具体的调用与tensorboard类似,因 ...

Pytorch的可视化工具tensorboardX

GitHub地址

安装

示例

详解

Pytorch的可视化工具tensorboardX相关推荐

最新文章

热门文章