PyTorch可视化-在PyTorch训练时使用TensorBoard记录Metrics

导入必要的依赖包：

from pathlib import Path
import glob
import re
import numpy as np
from torch.utils.tensorboard import SummaryWriter

生成文件夹。在指定路径下遍历，以后缀自增的形式创建新的文件夹，避免重复

# https://github.com/ultralytics/yolov5/blob/c1bed601e9b9a3f5fa8fb529cfa40df7a3a0b903/utils/general.py#L805
def increment_path(path, exist_ok=False, sep='', mkdir=False):# Increment file or directory path, i.e. runs/exp --> runs/exp{sep}2, runs/exp{sep}3, ... etc.path = Path(path)  # os-agnosticif path.exists() and not exist_ok:suffix = path.suffixpath = path.with_suffix('')dirs = glob.glob(f"{path}{sep}*")  # similar pathsmatches = [re.search(rf"%s{sep}(\d+)" % path.stem, d) for d in dirs]i = [int(m.groups()[0]) for m in matches if m]  # indicesn = max(i) + 1 if i else 2  # increment numberpath = Path(f"{path}{sep}{n}{suffix}")  # update pathdir = path if path.suffix == '' else path.parent  # directoryif not dir.exists() and mkdir:dir.mkdir(parents=True, exist_ok=True)  # make directoryreturn path

训练并记录：

epochs = 10
steps = 100save_dir = increment_path('runs1/exp')
print(save_dir)writer = SummaryWriter(save_dir)
iteration = 0
for epoch in range(epochs):for step in range(steps):# trainwriter.add_scalar('Loss/train', np.random.random(), iteration)writer.add_scalar('Accuracy/train', np.random.random(), iteration)# valwriter.add_scalar('Loss/val', np.random.random(), iteration)writer.add_scalar('Accuracy/val', np.random.random(), iteration)iteration += 1writer.close()

上面代码多次运行之后的结果：

在命令行中运行TensorBoard查看：

tensorboard --logdir=runs1

每运行一次，会创建一个文件夹，左侧蓝色框

代码中add_scalar的第一个参数，也就是tag，如'Accuracy/train'和'Accuracy/val'，相同的tag会把两个图表放在同一个sectionAccuracy下

不同的文件夹中的相同tag会画在同个图表中，如右侧4个图表的橙色和蓝色曲线

如果是在同一个文件夹中，具有相同tag的则会画到同一条曲线上，因此在训练时，不同参数的训练要放到不同的文件夹中，否则两次训练会首尾相连，但是如果是中断继续训练，则要放到同一个文件夹中，并且横坐标要从上次中断位置继续。

PyTorch可视化-在PyTorch训练时使用TensorBoard记录Metrics相关推荐

PyTorch可视化工具-Tensorboard在线查看训练曲线、网络结构图等
1 安装 2 如何调用 3 如何查看 4 实战 4.1 代码调用 4.2 查看 1 SCALARS 训练曲线 2 多次训练曲线对比 3 IMAGES 4 CRSPHS 模型图 5 问题与解决 6 工程 ...
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(4)Pytorch模型训练时从CPU与GPU之间的转换
1.如何进行迁移使用Pytorch写的模型: 对模型和相应的数据使用.cuda()处理.通过这种方式,我们就可以将内存中的数据复制到GPU的显存中去.从而可以通过GPU来进行运算了. 另外一种方式, ...
Pytorch使用DistributedDataParallel单机多卡训练时遇到ValueError: sampler option is mutually exclusive with shuff
Pytorch使用DistributedDataParallel单机多卡训练时遇到 ValueError: sampler option is mutually exclusive with shuf ...
Pytorch可视化工具 —— TensorBoard
1.TensorBoard简介 TensorBoard:TensorFlow中强大的可视化工具: 支持标量.图像.文本.音频.视频和Embedding等多种数据可视化: 在学习TensorBoard之 ...
.mb是什么文件_神经网络长什么样不知道? 这有一份简单的 pytorch可视化技巧(1)
神经网络长什么样不知道?这有一份简单的 pytorch可视化技巧(1) 深度学习这几年伴随着硬件性能的进一步提升,人们开始着手于设计更深更复杂的神经网络,有时候我们在开源社区拿到网络模型的时候,做客可 ...
详解PyTorch可视化工具visdom（一）
一.介绍在深度学习领域,模型训练是一个必须的过程,因此常常需要实时监听并可视化一些数据,如损失值loss,正确率acc等.在Tensorflow中,最常使用的工具非Tensorboard莫属:在Py ...
add函数 pytorch_Pytorch学习记录-Pytorch可视化使用tensorboardX
Pytorch学习记录-Pytorch可视化使用tensorboardX 在很早很早以前(至少一个半月),我做过几节关于tensorboard的学习记录. https://www.jianshu.co ...
卷积神经网络、比较MLPS和CNNS、滤波器、CNN各层的作用、在Pytorch可视化CNN
1.33.卷积神经网络 1.33.1.卷积和神经网络 1.33.1.1.比较MLPS和CNNS 1.33.1.2.计算机如何看图像? 1.33.1.3.建立自己的滤波器 1.33.2.完整的卷积神 ...

PyTorch可视化-在PyTorch训练时使用TensorBoard记录Metrics

PyTorch可视化-在PyTorch训练时使用TensorBoard记录Metrics相关推荐

最新文章

热门文章