tensorboard画图

记录一次使用tensorboard画图实例

# 导入包
from torch.utils.tensorboard import SummaryWriter
# 实例化内容
writer = SummaryWriter('./output/log')
for i in range(100):
# 分别是 题目，数值，x坐标writer.add_scalar(tag, scalar_value, global_step=None)writer.close()

查看

在终端输入

tensorboard --logdir=./output/log

打开浏览器复制链接即可查看

常见问题

1.该报错为输入的scalar格式不对，可能为ndarray格式，需要进行转换

scalar should be 0d

2.图片显示不全取消第二个√

科研绘图

需要有图例，但是目前tensorboard不能添加，所以需要将数据进行下载

保存为csv文件后，获取数据
根据自己数据特点绘图

此处代码参考：https://www.pianshen.com/article/316476506/

import pandas as pd
import matplotlib.pyplot as plt
from io import StringIOnet2 = pd.read_csv('run_2-tag-loss.csv', usecols=['Step', 'Value'])
plt.plot(net2.Step, net2.Value, lw=1.5, label='Net-2', color='pink')
net3 = pd.read_csv('run_3-tag-loss.csv', usecols=['Step', 'Value'])
plt.plot(net3 .Step, net3 .Value, lw=1.5, label='Net-3', color='green')
net4 = pd.read_csv('run_4-tag-loss.csv', usecols=['Step', 'Value'])
plt.plot(net4 .Step, net4 .Value, lw=1.5, label='Net-4', color='yellow')plt.legend(loc=0)
plt.show()

就可以放到论文里面了

具有标准差的论文绘图

# 导入库函数
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('ggplot')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 平滑处理，类似tensorboard的smoothing函数。
# 此处的x y需要根据自己文件列名修改，权重可以自己设定
def smooth(read_path, save_path, file_name, x='timestep', y='reward', weight=0.75):data = pd.read_csv(read_path + file_name)scalar = data[y].valueslast = scalar[0]smoothed = []for point in scalar:smoothed_val = last * weight + (1 - weight) * pointsmoothed.append(smoothed_val)last = smoothed_valsave = pd.DataFrame({x: data[x].values, y: smoothed})save.to_csv(save_path + 'smooth_'+ file_name)

# 平滑预处理原始reward数据
smooth(read_path='./BipedalWalker-v3/', save_path='./BipedalWalker-v3/', file_name='PPO_BipedalWalker-v3_log_210.csv')
smooth(read_path='./BipedalWalker-v3/', save_path='./BipedalWalker-v3/', file_name='PPO_BipedalWalker-v3_log_310.csv')
smooth(read_path='./BipedalWalker-v3/', save_path='./BipedalWalker-v3/', file_name='PPO_BipedalWalker-v3_log_410.csv')

# 读取平滑后的数据与原始数据
df1 = pd.read_csv('./BipedalWalker-v3/smooth_PPO_BipedalWalker-v3_log_210.csv')  #[1100: 1200]
df2=pd.read_csv('./ori/train_data.csv')
# 拼接到一起
df = df1.append(df2)
# 重新排列索引
df.index = range(len(df))
print(df)

# 设置图片大小
plt.figure(figsize=(15, 10))
# 画图，同理xy需要改成自己文件的
sns.lineplot(data=df, x="timestep", y="reward")

tensorboard画图相关推荐

自定义模型tensorboard画图命令报错 assert error assert isinstance(orig, torch.nn.Module)
╭──────────────────────────── Traceback (most recent call last) ────────────────────────────╮ │ < ...
pytorch1.7教程实验——使用 TensorBoard 可视化模型，数据和训练
可视化还是很重要的,作为官方教程的开头部分,还是有必要好好看看,毕竟使用服务器没有桌面,不用直接使用画图函数看图像,使用tensorboard可以作为一种可视化方法,而且训练过程的损失曲线等也可以通过 ...
[tensorflow、神经网络] - 使用tf和mnist训练一个识别手写数字模型,并测试
参考包含: 1.层级的计算.2.训练的整体流程.3.tensorboard画图.4.保存/使用模型.5.总体代码(含详细注释) 1. 层级的计算如上图,mnist手写数字识别的训练集提供的图片是 ...
辛普森悖论如何影响AB测试
Simpson's paradox occurs when we observe a certain trend in the aggregate data but not in the underl ...
李宏毅机器学习2022 HW1
李宏毅机器学习2022版 Homework1 新冠阳性人数预测,根据前四天的数据,预测第五天的阳性人数.(回归) 首先下载数据集 !gdown --id '1kLSW_-cW2Huj7bh84YTdi ...
pytorch学习笔记（4）：tensorboard可视化
参考文档:https://mp.weixin.qq.com/s/UYnBRU2b0InzM9H1xl4b4g 在之前的第二篇笔记中,我们实现了一个 CNN 网络,在 mnist 上通过两个卷积层完成分 ...
PyTorch (二)：数据可视化 (TensorBoard、Visdom)
目录 TensorBoard Create a summary writer General api format Add scalar `add_scalar` `add_scalars` Add ...
快速解决tensorflow与tensorboard版本不兼容问题
因为pytorch中没有可视化的包,所以在画图的时候使用了tensorboardX. 步骤1:激活安装pytorch框架的环境,查看安装的包,如果有tensorflow,高版本的tf一般自带tenso ...
【深度学习】tensorboard中的图片放到论文中
1. 利用tensorboard中的导出数据功能选中左上角的标签,然后选择csv格式的数据下载即可. 左边的smoothing 数值不影响导出数据的大小. 2.tensorboard 图下标签介绍: ...

tensorboard画图

记录一次使用tensorboard画图实例

查看

常见问题

科研绘图

具有标准差的论文绘图

tensorboard画图相关推荐

最新文章

热门文章