老师让我将线性回归训练得出的loss值进行可视化,于是我使用了tensorboard将其应用到Pytorch中,用于Pytorch的可视化。
本教程代码环境依赖:
python 3.7+
Pytorch 0.4.0+
tensorboardX安装: pip install tensorflow、pip install tensorboardX
VSCode + jupyter notebook
在VSCode中运行jupyter notebook,运行线性回归预测代码
TensorboardX可以提供中很多的可视化方式,本文主要介绍使用scalar。
先上代码:
from tensorboardX import SummaryWriter
writer = SummaryWriter()
# 训练模型
num_epochs = 100
for epoch in range(num_epochs):
for x, y in data_iter:
l = loss(net(x), y)
trainer.zero_grad()
l.backward()
trainer.step()
l = loss(net(features), labels)
# 写入loss值
writer.add_scalar('scalar/train_loss', l, epoch)
writer.close()
训练模型不需要看,主要看以下代码:
from tensorboardX import SummaryWriter
writer = SummaryWriter()
for epoch in range (num_epochs):
writer.add_scalar('scalar/train_loss', l, epoch)
writer.close()
要使用,照着用就行。
先不解释代码含义,接下来说一下怎么查看图像。
1、运行完代码后,默认目录会产生一个runs的文件夹,文件夹保存到就是相关数据。
2、打开文件夹,找到文件夹中的文件,右击,找到图中的2,点击;
接下来就会运行到terminal中;
3、复制文件地址,在terminal中输入tensorboard --logdir 文件地址,回车运行即可。
文件地址注意,不要把文件本身的名字也带进去了,负责会报错,同时tensorboard无法显示图像,显示没有data。
4、运行最后会有一个链接,Ctrl+鼠标左键点击,就会在浏览器中显示图像。
结果图:
最后:
手机扫一扫
移动阅读更方便
你可能感兴趣的文章