深度学习可视化工具wandb
在训练和评估模型的过程中,我们需要保存很多的数据,比如loss,precision、recall、f1等等。通过这些信息,来更好地了解模型的情况,对模型进行优化。
一般来说,我们用pytorch的tensorboard就够了。但是我发现tensorboard有几个缺点:
- 需要本地开一个服务器:
tensorboard --logdir=/xxx/log --port 6008 --bind_all
- 每次重新运行的时候都得关掉服务器再重新运行才能看到新的图
在看了师兄的代码以后,发现了这么一个工具:wandb
,全称是Weights & Biases
。
wandb的优点在于,你记录的信息会保存到云端:https://wandb.ai/。而且,每次运行,都会在云端自动创建一个新的"run"。并且,信息也比tensorboard更丰富、界面更好看!颜控无法抗拒啊!
下面是我使用时的一些截图:
下面讲一下怎么用吧。
首先,在本地的shell安装wandb:
pip install wandb
在wandb官网注册,当然你可以直接使用github登录。之后,在setting中,找到你的API key:
然后在本地的shell中:
wandb login 你的API key
在项目中使用也只需要简单的几步即可。具体可以参考wandb quickstart
import wandb # 导入wandb.init(project="my-test-project") # 初始化wandb.config.batch_size = 32 # 记录超参数wandb.log({'accuracy': train_acc, 'loss': train_loss}) # 记录训练过程中的数据
下面是我写的Logger类。其中,config是一个保存配置的类。
# import
import wandb
from torch.utils.tensorboard import SummaryWriterclass Config(object):def __init__(self, logger_name="wandb"):self.project_name = "casee"self.logger_name = logger_nameself.log_dir = "./data/log/"... ...class Logger(object):def __init__(self, config):self.config = configself.logger_name = self.config.logger_nameself.logger = self._get_logger()def _get_logger(self):logger = Noneif self.logger_name == "wandb":wandb.init(project=self.config.project_name,config=self.config.__dict__)logger = wandbelif self.logger_name == "tensorboard":logger = SummaryWriter(self.config.log_dir)return loggerdef log(self, info):if self.logger_name == "wandb":self.logger.log(info)elif self.logger_name == "tensorboard":main_tag, tag_scalar_dict, global_step = infoself.logger.add_scalars(main_tag, tag_scalar_dict, global_step)
调用示例:
logger = Logger(config)
logger.log({"Train/loss": train_loss
})
深度学习可视化工具wandb相关推荐
- 深度学习可视化工具visdom使用
文章目录: 1 visdom 1.1 vidsom介绍 2 visdom中的一些概念 2.1 窗口(Windows) 2.2 回调(callbacks) 2.3 环境Environments 2.3. ...
- [zz]百度发布深度学习可视化平台 Visual DL
版权声明:本文为EnweiTech原创文章,未经博主允许不得转载. https://blog.csdn.net/English0523/article/details/79087274 恩威AI ...
- 百度发布深度学习可视化平台 Visual DL
恩威AI 科技评论消息,1 月 16 日,百度 ECharts 团队发布旗下知名开源产品 ECharts 的最新 4.0 版本,并宣布品牌升级为「百度数据可视化实验室」(http://vis.baid ...
- 深度学习可视化的一些工具+pytorch实现回归与卷积可视化
一.深度学习可视化的一些工具 1.深度学习网络结构画图工具:https://cbovar.github.io/ConvNetDraw/ 2.将.onnx放入即可,可视化网络结构:https://lut ...
- 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 ...
- pytorch visualizer 深度神经网络可视化工具
深度神经网络可视化工具 1. visdom 1.1 通用操作 1.1.1 创建/关闭窗口.查询窗口状态 1.1.2 更新窗口 update_window_opts 1.1.3 不同的update模式 ...
- 深度学习常用工具-数据增强+绘图
深度学习常用工具 1. 数据增强工具-albumentations 2.绘图工具-matplotlib 1. 数据增强工具-albumentations 推荐这个库的原因是:这个库可以将图片和标签一起 ...
- TensorRT是NVIDIA开发的深度学习推理工具,只支持推理,不支持训练 引
. TensorRT是NVIDIA开发的深度学习推理工具,只支持推理,不支持训练: 目前TensorRT3已经支持Caffe.Caffe2.TensorFlow.MxNet.Pytorch等主流深 ...
- 又有黑科技啦,让老照片还原成彩色!ColouriseSG深度学习上色工具
先前给各位介绍过 AI Image Enlarger黑科技-人工智能无损放大图片素材不失真 ,相信大家都会人工智能有或多或少的了解吧-今天给大家推荐老照片修复三色工具.相信大家都曾经看过老的照片,不管 ...
最新文章
- ARouter::Compiler No module name, for more information, look at gradle log
- 【LINUX】——linux如何使用Python创建一个web服务
- 11MYSQL:慢查询以及优化步骤
- 跟着这篇柳叶刀的文章来学会重复测量方差分析
- Linux脚本中$#、$0、$1、$@、$*、$$、$?
- python模拟键盘输入_这件神器,每个 Python入门学习者都值得一试
- 中国人工智能学会通讯——KS-Studio:一个知识计算引擎 1.2 知识图谱构建
- neo4j 返回 return
- 九江职业技术学院工业机器人_黑龙江农业工程职业学院学子喜获工业机器人大赛一等奖...
- dos如何运行java_怎么用DOS命令运行java程序
- JavaCV入门使用
- Swiper的种种踩坑与解决方案
- 2023年最新谷歌Google帐号Gmail邮箱账号怎么注册成功的方法与教程?
- Mocking with (and without) Spring Boot
- 【CSS】 画优惠券锯齿边框样式
- C#List子类转List父类或者Obj对象转List
- matlab高斯型隶属函数,图高斯型隶属函数.PPT
- 车内看车头正不正技巧_科二曲线行驶技巧图解,蜀黍手把手教你过关!
- js获取input输入框的值
- c语言 等概率随机数,随机数函数取样与概率
热门文章
- 计算机专业能学AutoCAD吗,我是学计算机专业的,我现在学习AutoCAD2017,请问以后有用吗...
- IUV—4G仿真种,SGW和SW1之间对接,可以连接光纤,也可以连接网线,是不?
- [英语六级] 六级通关笔记 — 仔细阅读题
- 【技巧】Microsoft Edge 调节视频播放速度的方法
- 群晖nas和文件服务器的区别,nas云服务器的区别(群晖nas搭建云服务器)
- 善始者实繁 克终者盖寡
- 拉卡拉支付——全面覆盖收单场景
- pytorch生成对抗网络GAN的基础教学简单实例(附代码数据集)
- 零经验小白的独游历程——如何解决独立游戏的素材问题
- 网络游戏战斗系统之buff系统具体设计实现