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:

  1. 需要本地开一个服务器:

    tensorboard --logdir=/xxx/log --port 6008 --bind_all
    
  2. 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

  1. 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. ...

  2. [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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. ARouter::Compiler No module name, for more information, look at gradle log
  2. 【LINUX】——linux如何使用Python创建一个web服务
  3. 11MYSQL:慢查询以及优化步骤
  4. 跟着这篇柳叶刀的文章来学会重复测量方差分析
  5. Linux脚本中$#、$0、$1、$@、$*、$$、$?
  6. python模拟键盘输入_这件神器,每个 Python入门学习者都值得一试
  7. 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
  8. neo4j 返回 return
  9. 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...
  10. dos如何运行java_怎么用DOS命令运行java程序
  11. JavaCV入门使用
  12. Swiper的种种踩坑与解决方案
  13. 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?
  14. Mocking with (and without) Spring Boot
  15. 【CSS】 画优惠券锯齿边框样式
  16. C#List子类转List父类或者Obj对象转List
  17. matlab高斯型隶属函数,图高斯型隶属函数.PPT
  18. 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!
  19. js获取input输入框的值
  20. c语言 等概率随机数,随机数函数取样与概率

热门文章

  1. 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...
  2. 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?
  3. [英语六级] 六级通关笔记 — 仔细阅读题
  4. 【技巧】Microsoft Edge 调节视频播放速度的方法
  5. 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)
  6. 善始者实繁 克终者盖寡
  7. 拉卡拉支付——全面覆盖收单场景
  8. pytorch生成对抗网络GAN的基础教学简单实例(附代码数据集)
  9. 零经验小白的独游历程——如何解决独立游戏的素材问题
  10. 网络游戏战斗系统之buff系统具体设计实现