316 字
2 分钟
03-Pytorch 数据集和数据可视化
数据集类
Tensorboard数据可视化工具
SummaryWriter
from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs","comment") # 创建一个日志记录保存的文件夹log,文件后缀名可以通过comment添加。- add_scalar() 用于记录数字常量
def add_scalar(self, tag: str, scalar_value: Any, global_step: int = None, walltime: float = None, new_style: bool = False, double_precision: bool = False) -> None# 例子:for i in range(100): writer.add_scalar("y=x", i, i)
tag:数据图表名称scalar_value: 记录的数据,y轴。global_step: 记录训练的步长,x轴。walltime:记录生成的时间,time.time()。
在Jupyter中使用
- PyCharm 提供对在 Jupyter 笔记本中直接集成 TensorBoard 的支持
使用魔术方法
%load_ext tensorboard%tensorboard --logdir=logs
动态更新界面的要点
-
由于运行时单元格会被阻塞,面板的单元格应放置在耗时训练单元格之前。
-
让上面的 TensorBoard 界面更新:
- 手动刷新: TensorBoard 界面的右上角有一个**圆圈箭头(⟳)的刷新按钮,点一下就会立刻拉取最新写进磁盘的数据。
- 自动刷新: 点击 TensorBoard 界面右上角的齿轮图标(Settings),勾选 Reload data,并设置一个刷新间隔(比如
30秒)。这样你就不用手动点,曲线会自己随着训练进度往右边延伸。
03-Pytorch 数据集和数据可视化
https://icemeow.top/blog/posts/graduate/pytorch-2/ 正在加载评论...
链上评论区