TensorBoard详解之安装使用和代码介绍

目录

*
1.TensorBoard详解

+ 1.1 环境
+ 1.2 安装
+ 1.3 展示
+ 1.4说明
2.使用

+ 2.1步骤
+ 2.2常用镜像网址
3.代码讲解

+ 3.1 函数介绍
+ 3.2 示例代码

TensorBoard详解之安装使用和代码介绍

; 1.TensorBoard详解

TensorBoard是一个可视化的模块,该模块功能强大,可用于深度学习网络模型训练查看模型结构和训练效果(预测结果、网络模型结构图、准确率、 loss曲线、学习率、权重分布等),可以帮你更好的了解网络模型,设计 TensorBoard调用相关代码,以上结果即可保存,是整合资料、梳理模型的好帮手。

1.1 环境

本设备使用的环境为:
tensorflow-gpu 2.4.0
pytorch1.8.0
cuda 11.0
cudnn 8.0.5
tensorboard 2.7.0
安装 TensorBoard,必须要配一个带GPU的虚拟环境, tensorflow-gpupytorch的环境选一个就好,配好环境后,下面介绍安装技巧和步骤。

1.2 安装

  1. 可以在激活的命令行中安装:

conda activate pytorch1.8.0

之后,在命令行中输入:

pip install tensorboard
pip install tensorboardX

Tensorboard其实是TensorFlow♂ 的一个附加工具, TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能,如 pytorch;安装的版本不用管,会自动安装最近的版本,本设备 pytorch环境安装情况如下:

TensorBoard详解之安装使用和代码介绍

当然,您可以使用一些镜像源代码来加快下载速度。以下是一些有用的镜像源(清华大学和豆瓣镜像源速度更快):

[En]

Of course, you can speed up the download with some mirror sources. Here are some useful mirror sources (Tsinghua University and Douban Mirror Source are faster):

https://pypi.tuna.tsinghua.edu.cn/simple
https://pypi.douban.com/simple

使用方法在pip安装命令行末尾加( -i 镜像网址), pip安装其他模块也适用。

pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple

  1. 编译器自动提醒安装,点击确定安装会在编译器终端自动安装;
  2. 编译器终端命令行安装,该方式在编译器中选择带 GPU的环境后,不虚激活环境,直接 pip 输入命令行直接安装,方法同上述1。
  3. 克隆代码安装GitHub,按照 README.md配置并安装,针对 GitHub下载部分文件方法以及 GitHub加速镜像网站,可参考我的前面博文:

GitHub上只下载部分文件的操作教程
GitHub加速网址及使用教程

注意:其实其他模块安装包,这些方法基本都适用。

; 1.3 展示

安装完成后,在该虚拟环境中输入:

pip list

可查看是否安装成功,该展示为本设备 tensorflow2虚拟环境的安装情况:

TensorBoard详解之安装使用和代码介绍

并且下次打开 VS code编译器,有”是否使用 TensorBoard模块功能”的提示,我们点击”是”,就可以开启 TensorBoard的使用,在网络训练结束后将自动生成 runs文件夹,里面有后面使用的 event file

TensorBoard详解之安装使用和代码介绍

1.4说明

打开 event file的方法也可以在该文本文件夹下,按住 shift键,并点击右键,鼠标点击”在此处打开 powershell窗口(S)”,并输入:

tensorboard –logdir runs

该runs文件夹是TensorBoard调用代码生成的,你也可以在代码中修改为生成logs文件夹等;
点击 enter键之后,可以获得 TensorBoard可视化结果网址:

http://localhost:6006/

结果如下图:

TensorBoard详解之安装使用和代码介绍
TensorBoard详解之安装使用和代码介绍

; 2.使用

2.1步骤

如下面两张图所示,3个黄色框分别对应三个操作步骤:

  1. 获得代码子文件夹名称为 runs里面 events.开头的文本文件(event file),一般在 runs的子文件下点开可以看到;
  2. 在编译器( VS Code、Pycharm)在底部终端输入: tensorboard --logdir runs

TensorBoard详解之安装使用和代码介绍

TensorBoard详解之安装使用和代码介绍
  1. 复制生成的网址,在浏览器打开。

http://localhost:6006/

最后生成 TensorBoard可视化界面。

TensorBoard详解之安装使用和代码介绍

生成 event file文本的方法:

  1. 训练网络自动生成,针对该无法成功的,应该是启动编辑器时没有选用提示显示的使用 tensorboard模块,那我们还有下面两种方法,方法3亲测可用;
  2. 添加 py代码文件保存:
import numpy as np
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter(comment='tensorboard_test')

for x in range(50):

    writer.add_scalar('y=2x', x * 2, x)
    writer.add_scalar('y=pow(2, x)',  2 ** x, x)

    writer.add_scalars('data/scalar_group', {"xsinx": x * np.sin(x),
                                             "xcosx": x * np.cos(x),
                                             "arctanx": np.arctan(x)}, x)
writer.close()
  1. 自行在 tensorboard界面下载,
    TensorBoard详解之安装使用和代码介绍

2.2常用镜像网址

清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/

3.代码讲解

下面介绍该模块的常用函数和示例代码:

3.1 函数介绍

  1. tensorboard --logdir=路径
    该方式为 tensorboard文件的生成之后,在命令行调用该文件,获得 tensorboard网址(前面已介绍)

tensorboard –logdir=G:\wuzhihua\yolo3-pytorch-master\runs

  1. SummaryWriter()
    该函数为创建一个 tensorboard文件,调用方式为:

writer = SummaryWriter(log_dir=’runs’,flush_secs=30)

  1. writer.add_graph()
    该函数为创建 GraphsGraphs中存放了网络结构,
    TensorBoard详解之安装使用和代码介绍
if Cuda:
    graph_inputs = torch.from_numpy(np.random.rand(1,3,input_shape[0],input_shape[1])).type(torch.FloatTensor).cuda()
else:
    graph_inputs = torch.from_numpy(np.random.rand(1,3,input_shape[0],input_shape[1])).type(torch.FloatTensor)
writer.add_graph(model, (graph_inputs,))

3.2 示例代码

最后,提供用 TensorBoard创建 Graph和简单模式并可视化输出显示代码示例:

import torch
from torch.autograd import Variable
import torch.nn.functional as functional
from tensorboardX import SummaryWriter

import matplotlib.pyplot as plt
import numpy as np

x = torch.from_numpy(np.linspace(-1, 1, 50).reshape([50, 1])).type(torch.FloatTensor)

y = torch.sin(x) + 0.2 * torch.rand(x.size())

class Net(torch.nn.Module):
    def __init__(self, n_feature, n_hidden, n_output):
        super(Net, self).__init__()

        self.hidden = torch.nn.Linear(n_feature, n_hidden)
        self.predict = torch.nn.Linear(n_hidden, n_output)

    def forward(self, x):

        hidden_layer = functional.relu(self.hidden(x))
        output_layer = self.predict(hidden_layer)
        return output_layer

net = Net(n_feature=1, n_hidden=10, n_output=1)

writer = SummaryWriter('runs')
graph_inputs = torch.from_numpy(np.random.rand(2, 1)).type(torch.FloatTensor)
writer.add_graph(net, (graph_inputs,))

optimizer = torch.optim.Adam(net.parameters(), lr=1e-3)

loss_func = torch.nn.MSELoss()

for t in range(2000):
    prediction = net(x)
    loss = loss_func(prediction, y)

    optimizer.zero_grad()

    loss.backward()

    optimizer.step()

    writer.add_scalar('loss', loss, t)

writer.close()

结果展示:

TensorBoard详解之安装使用和代码介绍
注意:界面里面还能修改画图曲线的颜色,要保存结果修改相关代码即可。

TensorBoard`的介绍到此结束,要去PyTorch♀官方查看使用源码的小伙伴可以从以下进入学习:

https://pytorch.org/
https://pytorch.org/tutorials/recipes/recipes/tensorboard_with_pytorch.html?highlight=tensorboard

TensorBoard详解之安装使用和代码介绍

TensorBoard详解之安装使用和代码介绍
TensorBoard详解之安装使用和代码介绍

参考博主:
https://blog.csdn.net/weixin_44791964/article/details/106701052
参考园主:
https://www.cnblogs.com/coderpeng/p/14180579.html

本文作者:会飞的渔WZH
本文链接:https://blog.csdn.net/wuzhihuaw/article/details/121357355
版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。

如需转载请注明出处。
各位老板给个关注给个赞赞🤞🤞🤞🤞

TensorBoard详解之安装使用和代码介绍

Original: https://blog.csdn.net/wuzhihuaw/article/details/121357355
Author: 会飞的渔WZH
Title: TensorBoard详解之安装使用和代码介绍

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/44150/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

发表回复

登录后才能评论
免费咨询
免费咨询
扫码关注
扫码关注
联系站长

站长Johngo!

大数据和算法重度研究者!

持续产出大数据、算法、LeetCode干货,以及业界好资源!

2022012703491714

微信来撩,免费咨询:xiaozhu_tec

分享本页
返回顶部