Weights Biases的使用
目录
- Weights & Biases的介绍
- Wandb的使用
- step1. 进入Weights & Biases 进行账号注册和登录
- step2. 建立project
- step3. 安装wandb
- step4. python程序设置
- step5. Weights & Biases里面的Sweep设置(用于超参数寻优)
- step6. 进入官网查看程序的运行
Weights & Biases的介绍
Weights & Biases是一个强大的用于深度学习可视化的工具,可以实现对深度学习各项参数的可视化,以及实现深度学习超参数寻优,详细介绍可参见官网。
https://wandb.ai/site
Weights & Biases在python是以wandb模块实现
Wandb的使用
step1. 进入Weights & Biases 进行账号注册和登录
step2. 建立project
step3. 安装wandb
pip install wandb
step4. python程序设置
- wandb初始化
wandb.init(project='VGG-LSTM',entity='ljhahaha')
- 超参数设置
wandb.config.rnn_unit=64
wandb.config.lstm_layers=3
wandb.config.batch_size=128
wandb.config.lr=0.00001
wandb.config.epochs=30
wandb.config.optimizer='adam'
- 代码正文设置(这里展示了优化器的设置)
optimizer = wandb.config.optimizerif optimizer == "adam":train_op = tf.train.AdamOptimizer(wandb.config.lr).minimize(softmaxs_loss)elif optimizer == "sgd":train_op = tf.train.GradientDescentOptimizer(wandb.config.lr).minimize(softmaxs_loss)elif optimizer == "rmsprop":train_op = tf.train.RMSPropOptimizer(wandb.config.lr).minimize(softmaxs_loss)else:raise ValueError("unexpected optimizer name")
- 参数记录(这里展示了训练中训练集和验证集的准确率和损失函数的记录)
#数据展示
wandb.log({"Train Accuracy":acc_list,"Train Loss":loss_list,"Test Accuracy":val_acc,"Test Loss":val_loss})
#画图展示
wandb.log({"loss" : wandb.plot.line_series(xs=wandb.config.epochs,ys=[loss_list, val_loss],keys=["Loss of training", "Loss of validation"],title="Loss function",xname="epochs")})
wandb.log({"acc" : wandb.plot.line_series(xs=wandb.config.epochs,ys=[acc_list, val_acc],keys=["Accuracy of training", "Accuracy of validation"],title="Accuracy",xname="epochs")})
step5. Weights & Biases里面的Sweep设置(用于超参数寻优)
- 创建一个新的sweep
- 设置sweep参数
设置参数时可以使用列表对所取值罗列,也可以选择数据分布形式
点击下方的 Sweep initializer可以得到如下结果:
3. 执行操作(所有操作在cmd进行)
代码展示
(1)切换工作路径
cd E:/tensorflow_learning
(2)wandb登录
(3)输入API key(根据他给定的地址获取key)
输入key之后系统会自动建立一个.netrc文件
(4)输入代理命令(即launch agent里面的代码),程序便开始执行
step6. 进入官网查看程序的运行
Weights Biases的使用相关推荐
- Weights Biases (一)
一.简要介绍 Weights & Biases 是供开发人员更快地构建更好模型的机器学习平台.使用 W&B 的轻量级.可互操作的工具快速跟踪实验.版本和迭代数据集.评估模型性能.重现模 ...
- YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights Biases)
如有错误,恳请指出. 与其说是yolov5的训练技巧,这篇博客更多的记录如何使用wandb这个在线模型训练可视化工具,感受到了yolov5作者对其的充分喜爱. 所以下面内容更多的记录下如何最简单的使用 ...
- Wandb(Weights Biases) 深度学习轻量级可视化工具(Sweeps Artifacts)
wandb是Weights & Biases的缩写,是类似TensorBoard, visdom的一款可视化工具 是属于Python的,不是Pytorch的 wandb是最大的特点是能自动上传 ...
- 先进工具,助力数据科学工作者快速调优丨和鲸科技 × Weights Biases
12月14日,和鲸科技与数据科学平台厂商 Weights & Biases 联合举办的目标识别类 Workshop 公益活动正式告一段落,这也标志着两家数据科学领域的杰出企业即将开启新的合作征 ...
- Weights Biases
这是一个模型可视化工具.官网的介绍: Our tool wandb helps you track and visualize machine learning experiments. Gettin ...
- 卷积神经网络(CNN)张量(图像)的尺寸和参数计算(深度学习)
卷积神经网络(CNN)张量(图像)的尺寸和参数计算(深度学习) 分享一些公式计算张量(图像)的尺寸,以及卷积神经网络(CNN)中层参数的计算. 以AlexNet网络为例,以下是该网络的参数结构图. A ...
- tensorflow---alexnet training (tflearn)
# 输入数据 import input_data mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)impo ...
- 模型数据的保存和读取
1,基本内容 目的是将模型数据以文件的形式保存到本地. 使用神经网络模型进行大数据量和复杂模型训练时,训练时间可能会持续增加,此时为避免训练过程出现不可逆的影响,并验证训练效果,可以考虑分段进行,将训 ...
- list python 转tensor_TensorFlow 中的几个关键概念:Tensor,Operation,Graph,Session
前言:TensorFlow是一种符号式编程框架,首先要构造一个图(graph),然后在这个图上做运算.打个比方,graph就像一条生产线,session就像生产者.生产线具有一系列的加工步骤(加减乘除 ...
最新文章
- AS升级3.1 编译报错:The SourceSet 'instrumentTest' is not recognized by the Android Gradle Plugin.
- OI常用的常数优化小技巧
- 近世代数--环同态--环同态基本定理
- php魔术方法__SET __GET
- wxWidgets:wxObjectRefData类用法
- thinkphp单入口和多入口的访问方法
- 事务例子_Spring事务专题(四)Spring中事务的使用、抽象机制及模拟Spring事务实现...
- Linux文件属性、权限设置
- 13凯越门锁继电器在哪里_汽车中控保险丝在哪里_汽车一年保险费_保险频道
- DW个人网站制作成品 简单个人静态HTML网页设计作品 DIV布局个人介绍网页模板代码
- 华东师范大学计算机与电子科技大学比较,报录比
- linux用execl函数创建,Linux办公一条龙之电子表格Calc(转)
- 本地文件共享到云服务器,本地和云服务器文件共享
- 光猫,交换机和路由器的区别
- 32位程序在Windows上的内存问题
- Spring Boot使用websocket实现聊天室
- 十五天学会Autodesk Inventor,看完这一系列就够了(九),主题/色彩/单位设置
- 前端开发:关于鉴权的使用总结
- 16代表啥_出道12年33岁当选,新晋金鹰女神,宋茜比几位前任女神差了啥
- 华为进入公有云的为与不为
热门文章
- 做鼻子测试软件,美鼻小测试,测测你的鼻子有几分?
- KVM(多电脑切换器)
- MFC 中 如何屏蔽Esc和Ente
- 5.14 按照字体颜色对已拓展的客户数进行排序 [原创Excel教程]
- 有信号但是无法连接到移动网络连接服务器,手机打电话显示无法连接到移动网络怎么回事?...
- 基于Android的医院预约挂号系统,基于Android的医院预约挂号系统设计与实现
- 云消防大数据_2020年刚需系列专题之智慧消防大数据平台建设方案 智慧消防云平台项目 解决方案,一查就有...
- 动画效果编程基础详解--Animation Android
- ORAN C平面 Section Type 3
- 18_2Servlet学习笔记