pytorch 中使用 tensorboard,常用 demo

一捕仔、代碼 demo

import torch
import torch.nn as nn
import numpy as np

from tensorboardX import SummaryWriter

input_size = 1
output_size = 1
num_epochs = 60
learning_rate = 0.01
writer = SummaryWriter(comment='Linear')
x_train = np.array([[3.3], [4.4], [5.5], [6.71], [6.93], [4.168],
                    [9.779], [6.182], [7.59], [2.167], [7.042],
                    [10.791], [5.313], [7.997],[3.1]], dtype=np.float32)
y_train = np.array([[1.7], [2.76], [2.09], [3.19], [1.694], [1.573],
                   [3.366], [2.596], [2.53], [1.221], [2.827],
                   [3.465], [1.65], [2.904], [1.3]], dtype=np.float32)

model = nn.Linear(input_size, output_size)
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)

for epoch in range(num_epochs):
    inputs = torch.from_numpy(x_train)
    targets = torch.from_numpy(y_train)

    output = model(inputs)
    loss = criterion(output, targets)

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    # 將標(biāo)量值存儲到 tensorboard 中
    writer.add_scalar('Train', loss, epoch)
    if (epoch + 1) % 5 == 0:
        print('Epoch {}/{}, loss={:.4f}'.format(epoch + 1, num_epochs, loss.item()))

# 將網(wǎng)絡(luò)的結(jié)構(gòu)存儲到 tensorboard 中
writer.add_graph(model, (inputs,))

predicated = model(torch.from_numpy(x_train)).detach().numpy()
writer.close()

二匕积、查看 tensorboard

在 tensorboard 生成的 runs 文件夾同級目錄下執(zhí)行命令:

tensorboard --logdir=runs

然后訪問相應(yīng)的鏈接即可。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末榜跌,一起剝皮案震驚了整個濱河市闸天,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌斜做,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,470評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件湾揽,死亡現(xiàn)場離奇詭異瓤逼,居然都是意外死亡笼吟,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,393評論 3 392
  • 文/潘曉璐 我一進店門霸旗,熙熙樓的掌柜王于貴愁眉苦臉地迎上來贷帮,“玉大人,你說我怎么就攤上這事诱告∧焓啵” “怎么了?”我有些...
    開封第一講書人閱讀 162,577評論 0 353
  • 文/不壞的土叔 我叫張陵精居,是天一觀的道長锄禽。 經(jīng)常有香客問我,道長靴姿,這世上最難降的妖魔是什么沃但? 我笑而不...
    開封第一講書人閱讀 58,176評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮佛吓,結(jié)果婚禮上宵晚,老公的妹妹穿的比我還像新娘。我一直安慰自己维雇,他們只是感情好淤刃,可當(dāng)我...
    茶點故事閱讀 67,189評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著吱型,像睡著了一般逸贾。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上唁影,一...
    開封第一講書人閱讀 51,155評論 1 299
  • 那天耕陷,我揣著相機與錄音,去河邊找鬼据沈。 笑死哟沫,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的锌介。 我是一名探鬼主播嗜诀,決...
    沈念sama閱讀 40,041評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼孔祸!你這毒婦竟也來了隆敢?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,903評論 0 274
  • 序言:老撾萬榮一對情侶失蹤崔慧,失蹤者是張志新(化名)和其女友劉穎拂蝎,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體惶室,經(jīng)...
    沈念sama閱讀 45,319評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡温自,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,539評論 2 332
  • 正文 我和宋清朗相戀三年玄货,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片悼泌。...
    茶點故事閱讀 39,703評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡松捉,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出馆里,到底是詐尸還是另有隱情隘世,我是刑警寧澤,帶...
    沈念sama閱讀 35,417評論 5 343
  • 正文 年R本政府宣布鸠踪,位于F島的核電站丙者,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏慢哈。R本人自食惡果不足惜蔓钟,卻給世界環(huán)境...
    茶點故事閱讀 41,013評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望卵贱。 院中可真熱鬧滥沫,春花似錦、人聲如沸键俱。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,664評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽编振。三九已至缀辩,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間踪央,已是汗流浹背臀玄。 一陣腳步聲響...
    開封第一講書人閱讀 32,818評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留畅蹂,地道東北人健无。 一個月前我還...
    沈念sama閱讀 47,711評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像液斜,于是被迫代替她去往敵國和親累贤。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,601評論 2 353

推薦閱讀更多精彩內(nèi)容