0
点赞
收藏
分享

微信扫一扫

YOLO v11实时目标检测3:训练数据集格式说明

安七月读书 2024-10-09 阅读 9
深度学习

1、概念

TensorBoard可以看作是一个“训练监控仪表盘”,可以

将训练过程中的数据可视化,让你通过图表直观地看到模型的表现,

识别问题,并进行调试和优化。

TensorFlow是用来训练模型的深度学习框架,在使用tensorflow训练模型时,可以通过tensorboard来对数据进行可视化,帮助优化模型。

Pytorch也是一种深度学习框架。

  • TensorFlow:功能强大,但初学者可能觉得上手稍难,适合工业生产中应用
  • PyTorch:语法简洁,易于理解,许多用户觉得它更友好,在学术界中非常受欢迎

(一些项目可能会在研究阶段使用 PyTorch,随后在生产环境中使用 TensorFlow)

2、如何使用TensorBoard?(代码)

(1)安装tensorflow或pytorch后,引入SummaryWriter类

SummaryWriter:用来记录数据的指标

(2)创建SummarWriter实例及其关联文件夹

logs是即将创建的文件夹名称(日志目录)

(3)记录训练过程中产生的数据

(4)关闭文件夹

from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter("logs")

# writer.add_image()
# writer.add_scalar()
for i in range(100):
    writer.add_scalar("y=3x",3*i,i)

writer.close()

 

3、如何查看可视化结果?

 (1)在终端启动TensorBoard:

tensorboard --logdir=logs --port=6007

 --logdir:指定TensorBoard日志文件的目录(就是SummarWriter创建的文件名)

--port:指定端口是6007,避免与默认的6006端口产生冲突(可以多个端口同时运行)

(为什么要在终端启动TensorBoard?

不同的执行环境:TensorBoard 通常需要在独立的进程中运行,以便持续地、实时地监控训练过程,而 Python 脚本通常是一次性执行的;

阻塞问题:在命令行中启动 TensorBoard 通常会占用一个终端窗口,但它不会阻塞整个系统。你可以在一个终端窗口中启动 TensorBoard,然后在另一个终端窗口中执行其他命令或运行训练脚本

简化管理:通过命令行启动 TensorBoard,可以更灵活地指定日志目录、端口等参数)

(2)查看结果

打开浏览器,访问 http://localhost:6007/

(3)如果因为tag未更改而与上一次的事件进行了拟合,则删除logs文件夹,重新运行生成即可。

举报

相关推荐

0 条评论