MXBoard | 实现 MXNet 数据可视化

前不久Amusi推送了【重磅】GluonCV—基于MXNet的计算机视觉库,GluonCV是分布式机器学习社区(DMLC) 发布了基于MXNet的计算机视觉的深度学习工具箱,提供了一些顶级的算法实现与基本运算。


MXBoard github:https://github.com/awslabs/mxboard


刚不久,MXNet官方又发布了MXBoard,其给 MXNet 提供了一个在科研和生产环境中简单、易用、集中的可视化方案。让我们简单看一下亚马逊首席科学家李沐博士在知乎上如何介绍MXBoard的。


MXBoard | 实现 MXNet 数据可视化_第1张图片


链接:https://zhuanlan.zhihu.com/p/36277324


Amusi这里就简单整理了一下如何安装MXNet、MXBoard、TensorFlow和TensorBoard,以及一个利用TensorBoard和MXBoard简单可视化数据的示例。



安装教程

安装MXNet

  • pip install mxnet-cu80 --pre  # Amusi的环境是CUDA8.0


安装MXBoard

  • pip install mxboard


安装TensorBoard

  • pip install tensorflow-gpu==1.4 tensorboard


注:要想在浏览器中可视化数据,MXBoard还必须依赖于TensorBoard,因此还需要下载安装TensorFlow和TensorBoard(TensorFlow真的很NB)


测试TensorBoard

  • tensorboard --help


若成功安装,则会输出一堆tensorboard的指令提示信息,如下图所示:


MXBoard | 实现 MXNet 数据可视化_第2张图片




测试:利用 MXBoard 来可视化 MXNet 数据


新建Python脚本文件,命名为MXBoard-Test.py

1import mxnet as mx
2from mxboard import SummaryWriter
3
4with SummaryWriter(logdir='./logs') as sw:
5    for i in range(10):
6        # create a normal distribution with fixed mean and decreasing std
7        data = mx.nd.normal(loc=0, scale=10.0/(i+1), shape=(10, 3, 8, 8))
8        sw.add_histogram(tag='norml_dist', values=data, bins=200, global_step=i)


运行该脚本文件,可在同路径下生成logs文件夹,如下图所示:

MXBoard | 实现 MXNet 数据可视化_第3张图片


打开终端,切换到当前路径,并利用TensorBoard可视化

  • tensorboard --logdir=./logs --host=127.0.0.1 --port=8888


根据输出提示,将http://127.0.0.1:8888网址复制粘贴到Chrome浏览器中


MXBoard | 实现 MXNet 数据可视化_第4张图片


点击HISTOGRAMS,即可以看到可视化结果



你可能感兴趣的:(Python,MXNet)