您好,登录后才能下订单哦!
这篇文章将为大家详细讲解有关Pytorch中TensorBoard及torchsummary的使用方法,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
TensorBoard是一个强大的可视化工具,在pytorch中有两种调用方法:
1.from tensorboardX import SummaryWriter
这种方法是在官方还不支持tensorboard时网上有大神写的
2.from torch.utils.tensorboard import SummaryWriter
这种方法是后来更新官方加入的
1.1.1 创建接口SummaryWriter
功能:创建接口
调用方法:
writer = SummaryWriter("runs")
参数:
log_dir:event file输出文件夹
comment:不指定log_dir时,文件夹后缀
filename_suffix:event file文件名后缀
1.1.2 记录标量add_scalars()
功能:记录标量add_scalars()
调用方法:
writer.add_scalars("name",{"dic":val},epoch)
参数:
tag:图像的标签名
scalar_step:要记录的标量
global_step:轮次
1.1.3 统计直方图add_histogram()
功能:统计直方图与多分位数折线图
调用方法:
writer.add_histogram("weight",self.fc.weight,epoch)
参数:
tag:图像的标签名
values:要画直方图的数据
global_step:轮次
bins:取值有 ‘tensorflow'、‘auto'、‘fd' 等
1.1.4 批次显示图像add_image()
功能:批次显示图像
调用方法:
writer.add_image(“Cifar10”, img_batch, epoch,'CHW')
参数:
tag:图像的标签名
img_tensor:图像数据,注意尺寸
global_step:轮次
dataformats:数据形式,CHW,HWC,HW
1.1.5 查看模型图add_graph()
功能:查看模型图
调用方法:
writer.add_graph(model=net,input_to_model=torch.randn(1,3, 224, 224).to(device))
参数:
model:模型,必须是nn.Module
input_to_model:输出给模型的数据
verbose:是否打印计算图结构信息
写完记得要写 writer.close()
功能:查看网络层形状、参数
调用方法:
from torchsummary import summary summary(net, input_size=(3, 224, 224))
参数:
model:pytorch模型
input_size:模型输入size
batch_size:batch size
device:“cuda” or “cpu”
在文件路径中cmd打开终端,输入
tensorboard --logdir="./runs"
runs是我保存文件的文件名,打开以下链接
补充: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。
安装tensorboard、tensorflow以及tensorboardX
在文件开头导入SummaryWriter
from tensorboardX import SummaryWriter
同tensorflow的tensorboard一样,tensorboardX提供多种记录方式如scalar、image等。
writer = SummaryWriter('path')
如果不添加path,则默认以时间命名。
添加监视变量
writer.add_scalar('Train/Acc', Acc, iter)
打开tensorboard
tensorboard --logdir 'path'
在浏览器打开6006端口
1.PyTorch是相当简洁且高效快速的框架;2.设计追求最少的封装;3.设计符合人类思维,它让用户尽可能地专注于实现自己的想法;4.与google的Tensorflow类似,FAIR的支持足以确保PyTorch获得持续的开发更新;5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单
关于“Pytorch中TensorBoard及torchsummary的使用方法”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。