1. Présentez d’abord le tensorboard
TensorBoard est un outil de visualisation qui peut être utilisé pour afficher des diagrammes de réseau, les changements d'index tensoriel, la distribution tensorielle, etc. Surtout lors de la formation du réseau, nous pouvons définir différents paramètres (tels que le poids W, le biais B, le nombre de couches convolutives, le nombre de couches entièrement connectées, etc.). L'utilisation de TensorBoader peut nous aider à sélectionner les paramètres de manière intuitive. Il exécute un serveur local écoutant sur le port 6006. Lorsque le navigateur fait une demande, les données enregistrées lors de la formation sont analysées et des images pendant le processus de formation sont dessinées.
2. Comment utiliser Tensorboard pour visualiser la structure du modèle de Pytorch
1.1 Installer le tensorboard (pytorch)
conda installer tensorboardX
conda installer tensorboard
1.2 Mise en œuvre du code
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('save') #建立一个保存数据用的东西，save是输出的文件名
dummy_input = torch.rand(512, 1, 28, 28) # 网络中输入的数据维度
with SummaryWriter(comment='LeNet') as w:
w.add_graph(net, (dummy_input,)) # net是你的网络名
Après avoir ajouté le code ci-dessus, les dossiers suivants apparaîtront dans le programme après l'exécution du programme. S'il est exécuté sur le serveur, accédez au code sur le serveur pour voir si les dossiers suivants existent.
1.3 Comment afficher le tensorboard sur la page Web lorsque l'environnement est local sur l'ordinateur
Si vous l'exécutez localement, suivez simplement les étapes ci-dessous pour continuer .
Entrez dans la fenêtre du terminal dans pycharm
tensorboard --logdir = C:\Users\huangxin1\PycharmProjects\untitled\runs
Notez que vous devez entrer le code ci-dessus dans l'environnement virtuel dans lequel vous exécutez le code. Le chemin d'exécution consiste à écrire votre propre chemin d'exécution.
Ensuite, ce qui suit apparaîtra :
TensorBoard 2.6.0 at http://localhost:6006/ (Press CTRL+C to quit)
Cliquez sur l'URL pour afficher la structure de votre modèle de réseau.
1.4 Comment afficher Tensorboard sur la page Web de votre propre ordinateur lorsque l'environnement est sur un serveur distant
Si le code s'exécute sur le serveur, vous devez accéder localement au tensorboard sur le serveur distant. La méthode est la suivante :
Le framework applicable est pytorch, qui nécessite l'outil Xshell (d'autres outils sont également disponibles, j'utilise Xshell).
Ouvrez Xhell et créez un nouvel attribut de session.
Le numéro d'hôte et le numéro de port sont le numéro d'hôte et le numéro de port du serveur que vous utilisez. Cliquez ensuite sur le tunnel et suivez mes paramètres.
Cliquez ensuite sur le lien
Entrez ensuite votre environnement virtuel dans Xhell et exécutez le code suivant ("path": est le chemin où vous enregistrez le tensorboard, généralement il s'agit de events.out.tfevents.16....)
tensorboard --logdir="路径" --port=6006
Copiez ensuite l'URL http://localhost:6006 dans le navigateur et exécutez-le.
. À ce stade, le didacticiel pour accéder localement à Tensorboard sur le serveur distant est terminé.
3. Utilisez Tensorboard pour visualiser la transformation de la perte et d'autres paramètres
Mettez le code directement :
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("runs/logs_fina") # 存放log文件的目录
writer.add_scalar('train/loss', ave_train_loss, epoch) # 画loss，横坐标为epoch
writer.add_scalar('train/lr', ave_lr, epoch)
writer.close()Certains amis se demandent peut-être où doit être placé ce code ? Mettez-le simplement après avoir généré chaque valeur de perte d'entraînement.
Répétez ensuite les étapes 1.3 ou 1.4 (selon que vous devez utiliser un environnement local ou un environnement de serveur distant)
4. Utilisez MoBaXterm pour imprimer le tensorboard (l'environnement est sur le serveur distant)
Le code pour placer le tensorboard est le même. La différence est de savoir comment établir un tunnel sur mobaxterm. Ensuite, nous expliquerons comment établir un tunnel sur mobaxterm.
4.1 Ouvrez mobaxterm et cliquez sur Tunneling
Cliquez ensuite sur nouveau tunnel SSH et remplissez les informations pertinentes comme indiqué dans l'image.
Cliquez sur Enregistrer et l'image suivante apparaîtra : Cliquez sur le bouton de lecture dans le cadre de la ligne rouge et le port est maintenant activé.
Activez votre propre environnement dans mobaxterm, exécutez la commande tensorboard --logdir="path", et appuyez sur Entrée
Saisissez ensuite 127.0.0.1:16006 dans le navigateur.