pytorch SummaryWriter保存日志的方法
作者:magic_ll 时间:2023-07-24 22:07:31
在pytorch框架中,关于日志的保存,其中一种方式就是借鉴使用了tensorboard的库。所以我们需要在环境中安装tensorboard库,然后再在工程中进行该库的调用
1 安装与导入
安装:conda install tensorboardX 或者 pip install tensorboardX
导入
from tensorboardX import SummaryWriter
writer = SummaryWriter(logPath)
...
writer.close()
2 添加需要保存标量数据
add_scalar(tag, scalar_value, global_step=None) 从源码中我们能看到核心的三个参数为前三个。通俗的讲分别代表
tag:图的标签名,唯一标识
scalar_value:y轴数据,标量数据的具体数值
global_step:x轴数据,要记录的全局步长值
add_scalars(main_tag, tag_scalar_dit)多项标题记录方法,其中:
main_tag —— 该图的标签
tag_salar_dict —— 字典形式的tag-scalar_value对
源码中也有例子:
from tensorboardX import SummaryWriter
import numpy as np
writer = SummaryWriter('run/logs')
max_epoch = 100
for x in range(max_epoch):
writer.add_scalar('t/y=2x', x * 2, x) #x*2为y轴数据,x为x轴数据
writer.add_scalar('t/y=pow_2_x', 2^x, x)
writer.add_scalars('scalar_group', {"xsinx": x * np.sin(x),
"xcosx": x * np.cos(x)}, x)
writer.close()
运行完该脚本后,运行tensorboard命令:tensorboard --logdir=./run/
在浏览器中打开链接:【http://localhost:6006/】
3 添加需要保存图片数据
从源码中我们能看到add_image
的主要参数如下。通俗的讲分别代表
tag:曲线图名字,唯一标识
img_tensor:图片数据,类型要求为 tensor/numpy/string 等
global_step:要记录的全局步长值
dataformats:图片输入的默认维度。注意是"CHW"
from tensorboardX import SummaryWriter
import numpy as np
img = np.zeros((3, 100, 100))
img[0] = np.arange(0, 10000).reshape(100, 100) / 10000
img[1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000
img_HWC = np.zeros((100, 100, 3))
img_HWC[:, :, 0] = np.arange(0, 10000).reshape(100, 100) / 10000
img_HWC[:, :, 1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000
writer = SummaryWriter('run/logs')
writer.add_image('my_image', img, 0)
# If you have non-default dimension setting, set the dataformats argument.
writer.add_image('my_image_HWC', img_HWC, 0, dataformats='HWC')
writer.close()
4 直方图的记录
画直方图主要为了看参数的分布状态,使用add_histogram(tag, values, global_step=None, bins=’tensorflow’, walltime=None)
,其中tag, value, global_step的含义同上,示例如下:
# 每个epoch,记录梯度,权值
for name, param in net.named_parameters():
writer.add_histogram(name + '_grad', param.grad, epoch)
writer.add_histogram(name + '_data', param, epoch)
5 网络结构的记录
展示结构图使用add_graph(model, input_to_model=None, verbose=False)
writer = SummaryWriter(comment='test_your_comment', filename_suffix="_test_your_filename_suffix")
# 模型
fake_img = torch.randn(1, 3, 32, 32)
yolo = Yolo(classes=2)
writer.add_graph(yolo, fake_img)
writer.close()
来源:https://blog.csdn.net/magic_ll/article/details/129663819


猜你喜欢
vue实现选中效果
Python实现自动化整理文件的示例代码

javaScript产生随机数的用法小结
Linux下指定mysql数据库数据配置主主同步的实例
JS原型继承四步曲及原型继承图一览

用Python 执行cmd命令
python实现电子词典
vue实现一个懒加载的树状表格实例

使用python搭建Django应用程序步骤及版本冲突问题解决

Anaconda 查看、创建、管理和使用python环境的方法

numpy.random.seed()的使用实例解析
关于python之字典的嵌套,递归调用方法
谈谈图片如何影响转换率
Python+django实现文件下载
能否推荐一个论坛用的数据库结构?
Python求正态分布曲线下面积实例

VueJs单页应用实现微信网页授权及微信分享功能示例

Python实现的Kmeans++算法实例
对Python新手编程过程中如何规避一些常见问题的建议
Ubuntu16.04 安装多个python版本的问题及解决方法
