【Tensorboard】工具使用细节记录,实现训练数据保存及可视化

目录

1  导入tensorboard-前提安装tensorboard!

2 确定存储位置 

3 作为预训练参数加载函数

4 调用加载函数

5 保存训练模型参数

6 tensorboard可视化-环境:ubuntu


【学习资源】from torch.utils.tensorboard import SummaryWriter导入不成功问题_

1  导入tensorboard-前提安装tensorboard!

  • conda install tensorboard  /  pip install tensorboard
  • from torch.utils.tensorboard import SummaryWriter

from torch.utils.tensorboard import SummaryWriter导入不成功问题

  • ImportError: TensorBoard logging requires TensorBoard with Python summary writer installed.
  • 原因:SummaryWriter是存在于tensorboardX(其作为tensorboard的子模块)
  • conda install tensorboardX / pip install tensorboardX
  • from tensorboardX import SummaryWriter

2 确定存储位置 

  • 申明:writer = SummaryWriter(log_dir=args.run_dir)
  • 调用:以loss为例,writer.add_scalar('name',(loss).item(),epoch*len(train_loader)+i)

3 作为预训练参数加载函数

def load_ckpt(args, depth_model, shift_model, focal_model):
    if os.path.isfile(args.load_ckpt):
         print("loading checkpoint %s" % args.load_ckpt)
         checkpoint = torch.load(args.load_ckpt)
         # depth_model.load_state_dict(checkpoint['net'])
         depth_model.load_state_dict(torch.load(args.load_ckpt))
         del checkpoint
         torch.cuda.empty_cache()

4 调用加载函数

  • model.to(device) 之后添加
  • load_ckpt(args, model, None, None)

5 保存训练模型参数

torch.save(model.state_dict(), '位置/命名%d.pth'% (epoch))

6 tensorboard可视化-环境:ubuntu

  • 打开args.run_dir所自订的文件目录,如loss存储在tensor文件夹下

【Tensorboard】工具使用细节记录,实现训练数据保存及可视化_第1张图片

  •  在tensor文件夹所在目录进入终端,也就是cd 到weights位置
  • 注意,如果是虚拟环境,务必激活环境,再进行下一步操作
tensorboard --logdir=tensor
  •  终端弹出一个网址,复制到浏览器打开,从而实现可视化!

【Window学习资源】TensorBoard可视化工具简单教程及讲解(TensorFlow与Pytorch) 

你可能感兴趣的:(【科研探索】,python报错系列总结,【PyTorch】,深度学习,pytorch,人工智能)