GIS与Climate

V1

2022/07/29阅读:11主题:默认主题

使用Tenserboard可视化深度学习训练过程

在深度学习训练的过程中,如果能够可视化一些过程的变化,比如loss的变化过程等,将会对模型的性能表现有更加清晰的认识。

目前, 最常用的深度学习训练过程可视化工具是tensorboard,这个是tensorflow配套的可视化工具,但是Pytorch目前也支持该工具。

下面讲下如何使用该工具来进行训练过程的可视化。

安装

一般来讲如果配置好了Pytorch的深度学习环境,直接用pip安装即可:

pip install tensorboard

使用

总得来说tensorboard的使用过程包括三个步骤:

  1. 创建log文件夹
  2. 将数据写入log文件中
  3. 使用tensorboard可视化

示例代码:

from torch.utils.tensorboard import SummaryWriter   

writer = SummaryWriter(comment='test plot')

for x in range(1000):
    writer.add_scalar('y=3x^2+5',3*x**2+5,x)

首先实例化一个SummaryWriter的类,comment参数是默认生成的log文件的后缀,刚开始学可以不管,直接全部用默认的即可:

writer = SummaryWriter()

上面的命令会在当前文件夹下生成一个runs文件夹,用于存在后面的log文件。

然后就很简单了,通过writer.add_scalar函数把需要可视化的数据写入log文件即可。

  • 第一个参数文件是绘图的名称;
  • 第二个参数是y轴的值;
  • 第三个参数是x轴的值。

然后在命令行中输入如下命令:

tensorboard --logdir=runs

根据提示信息打开浏览器即可看到如下界面:

tensorboard界面
tensorboard界面

右边就是我们绘制的图像了。在实际应用过程中便可以展示相应的信息,比如随着epoch数的增加,loss的下降过程。

补充

  1. tensorboard不仅可以可视化标量,还可以对图像等数据进行可视化,可以自己查看官网文档,对应的就是把add_scalar函数替换为相应的函数并设置好参数即可;
  2. 可视化之后还可以把数据下载为csv等文件,把绘图结果保存为svg格式;

参考

【1】https://pytorch.org/docs/stable/tensorboard.html

分类:

人工智能

标签:

深度学习

作者介绍

GIS与Climate
V1

公众号:GIS与Climate,欢迎关注