pytorch.tensorboard的零基础使用
1.Tensorboard的介绍:
Tensorboard是tensorflow内置的一个可视化工具,它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件,因而tensorboard和tensorflow程序在不同的进程中运行。大家在学习中需要多去看官方的文档,地址:https://pytorch.org/docs/stable/index.html
2.SummaryWriter的使用:
官方的介绍的使用方法和参数
.torch.utils.tensorboard.writer.SummaryWriter( log_dir=无,注释=’’ ,purge_step=无 ,max_queue=10 ,flush_secs=120 ,filename_suffix =’’ )
关键是log_dir将条目直接写入log_dir中的事件文件,以供 TensorBoard 使用。简而言之就是把你写的程序存储在这个里面,供后面的 TensorBoard 的使用,在pycharm中找到终端(就是控制台旁边那个,如果你的版本够高可以在settins中找到plugins搜寻chinese的官方插件)在终端输入tensorboard --logdir=“上面自己在SummaryWriter中设置的文件” 一般默认的6006端口,可以在后面输入port 跟上端口 例如
from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logss")
然后在终端输入
tensorboard --logdir=logss
要在其他端口
tensorboard --logdir=logss --port =6007
3…add_scalar使用
老样子还是看官方文档的解释
add_scalar(标记, scalar_value, global_step=无,挂页时间=无, new_style=假, double_precision=假)[来源]
将标量数据添加到摘要。
参数
标记(字符串) – 数据标识符(图片标题的名称)
scalar_value (float or string/blobname) – 要保存的值(图片y轴)
global_step (int) – 要记录的全局步长值(图片x轴)
walltime (float) – 可选覆盖默认 walltime (time.time()),并在事件纪元之后的秒数
new_style (布尔) – 是使用新样式(张量字段)还是旧样式(simple_value字段)。新样式可能会导致更快的数据加载。
例子:
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("p99")
x = range(100)
for i in x:writer.add_scalar('y=2x', i * 2, i)
writer.close()
预期成果:
4…add_image
官方解释
add_image(标记, img_tensor, global_step=无,挂页时间=无,数据格式=‘CHW’ )[来源]
将图像数据添加到摘要。
请注意,这需要包。pillow
参数
标记(字符串) – 数据标识符
img_tensor (手电筒。Tensor, numpy.array, or string/blobname) – 图像数据
global_step (int) – 要记录的全局步长值
walltime (float) – 可选覆盖事件纪元后的默认 walltime (time.time()) 秒
因为img_tensor需要Tensor, numpy.array, or string/blobname类型 我们就直接使用numpy库的array来实现例子,要注意的是如果图片类型是(H, W, 3)需要将设置dataformats=‘HWC’
例子:
```python
from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer = SummaryWriter("logs")
image_path = "hymenoptera_data/train/ants_image/5650366_e22b7e1065.jpg"#这是我自己存放图片的相对路径
img_PIl = Image.open(image_path)
img_array = np.array(img_PIl)#转化为numpy.array型
writer.add_image("train", img_array, 2, dataformats='HWC')#这里的2为步数
在终端输入tensorborad --logdir=logs --port=6008 因为我自己在6006已经有了同名数据(如果你们想在6006,可以新建一个SummaryWriter或者将logs中的文件删除)
预期成果:
pytorch.tensorboard的零基础使用相关推荐
- yolov5使用2080ti显卡训练是一种什么样的体验我通过vscode搭建linux服务器对python-yolov5-4.0项目进行训练,零基础小白都能看得懂的教程。>>>>>>>>>第二章番外篇
第二章番外篇:yolov5通过vscode搭建linux服务器对python-yolov5-4.0项目进行训练,零基础小白都能看得懂的教程.YOLOv5搭建的最快搭建方式,踩坑经历详谈 前期准备: 2 ...
- 0基础学python-看完这篇,零基础也知道怎么学Python
原标题:看完这篇,零基础也知道怎么学Python 近期 ,不少读者后台询问类似这样的一些问题 : 大佬 ,我是一个小白 ,很想学习 Python ,它能做些什么啊 ?您这边有什么好的入门建议吗 ? 坦 ...
- 零基础入门人工智能有门槛吗?学会这些就够了
在科技高速发展的今天,人工智能是一个很酷很潮的字眼,几乎每天都出现在科技媒体中,人工智能应用案例应接不暇:人工智能写稿取代编辑.人工智能医疗诊断取代医生.人工智能定投取代基金经理人.人工智能机器人取代 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task5:模型训练与验证
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task4:评价函数与损失函数
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task2:数据扩增方法
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别
https://tianchi.aliyun.com/competition/entrance/531872/introduction [天池赛事]零基础入门语义分割-地表建筑物识别:第一章 赛题及b ...
- python编程入门免费_python编程入门 零基础学习Python基础(附带最新免费教程)...
本篇是面向编程零基础学员的Python入门教程,内容涵盖了Python的基础知识和初步应用.以较轻快的风格,向零基础学习者介绍了一门时下比较流行的.并且用途比较广泛的编程语言.同时,其语法简洁而清晰, ...
- 摊牌了,我靠它们成功实现了AI零基础入门到进阶!
随着科技的高速发展,人工智能正成为引领科技创新和产业发展的核心力量,人工智能产品与服务正在持续地渗透到人们的日常工作.生活.学习和社交等领域,也推动了各区域.各类型的科技企业和传统产业企业纷纷向人工智 ...
最新文章
- PointASNL: 点云的Adaptive Sampling(CVPR2020)
- python中的for else
- [专栏目录]-环境搭建安装问题笔记目录
- [ES6] 细化ES6之 -- Promise对象
- 基于SSM的驾校网站
- 阿里云混合云新一代运维平台的演进与实践
- 前端开发工具Axure——Axure原型图查看
- 计算机中英文打字文章,中英文打字练习文章.docx
- Oracle中的函数(详细!!!)
- 智能制造数据分析综合应用方案
- 网络层 --- 路由器工作原理
- LCS(最大公共子序列)问题
- vue-cli中出现这个错误[WDS] Disconnected!解决!!!
- Linux基础知识-1
- 镜像网络MW受邀亮相巴比特杭州区块链国际周
- 【转】如何检测wifi信号强度? -- 不错
- 针对刀具磨损的日志读取的曲线分析(一维高斯滤波及波形拟合)
- Google OR-Tools(六) 装箱问题 Bin Packing
- asyncio中的call_soon、call_later、call_at、call_soon_threadsafe方法
- 微营销:内容好才是真的好
热门文章
- 计算机社团评优申报资料,优秀社团会员申请书
- linux基础篇(三)
- [深度文]YoloX部署、优化、训练相关
- 国家食品药品监督管理局 前有27家网站有资格向个人销售非处方药
- android fake gps,Fake GPS Location
- welcome.php,welcome.php
- 行人重识别数据集Person Re-Identification Datasets(全)
- 中美自动驾驶进入全格局竞争,湖南湘江新区智能系统测试区可成为关键一招吗?...
- jad 反编译文件夹下的所有class
- Android实现重力小球