# tensorboard

ppssww1202

TensorBoard in PyTorch Remote Server의 Tensorboard를 Local에서 확인 Remote Server에서 위 "tensorboard --logdir ./logs" 명령어 실행 Local에서 "ssh -NfL localhost:[Port]:localhost:[Port]&nbsp[User]@[HostName]" 명령어 실행 : SSH Port Forwarding

goyoon5526

파일 경로 넣을때 string으로 넣으면 안됨 따옴표 빼야 함 https://copycoding.tistory.com/88

jhhwghg9911

서버에 있는 log를 Tensor Board로 띄우기 tensorboard --logdir= --host=0.0.0.0 --port= host==전체 ip 위 명령어는 서버에서 실행 결과 Ref https://teddylee777.github.io/tensorflow/tensorboard-remote/

ellie812

Netron이란? Netron은 딥러닝 모델의 아키텍쳐의 시각화를 도와주는 툴이다. 간단한 drag&drop으로 학습 완료한 딥러닝 모델의 아키텍쳐를 확인할 수 있다. Input과 Output의 shape, data type(자료형) 뿐만 아니라 어떤 activation function을 사용하였는지 상세하게 나온다. Tensorboard에도 비슷한 시각화 기능을 지원하지만, Netron은 추가적인 코드를 작성하지 않고 모델만 업로드하면 모델 아키텍쳐를 시각화 할 수 있어 더 편리하다. Netron Github: https://github.com/lutzroeder/netron 시각화를 지원하는 모델 가장 많이 사용하는 PyTorch와 TensorFlow를 아직 실험적으로 지원하고 있지만,

jsyeon

Tensorbord 학습하는 중간에 데이터가 어떻게 변하는지 확인해줄 수 있도록 실시간 모니터링을 지원해주는 도구 scalar : metrci 등 상수 값의 연속(epoch)을 표시 graph : 모델의 computational graph 표시 histogram : weight 등 값의 분포를 표현 image : 예측 값과 실제 값을 비교 표시 mesh : 3d 형태의 데이터를 표현하는 도구 writer = SummaryWriter(logsbasedir) # SummaryWriter에 기록할 위치를 지정 writer.flush() # 기록 (따로 안정해줘도 자동으로 flush해주긴 함) 파일 기록할 때 보통 \[프로젝트명(지표), 이름\]순으로 파일 위치를 기록해줌 텐서보드를

bjq

※ PyTorch의 TensorBoard만을 다룹니다. TL;DR TensorBoard CUSTOM SCALARS 탭에서 확인 사용하는 함수 사용 예시 설명 기존의 TensorBoard 사용시와 동일하게 SummaryWriter 인스턴스를 선언합니다. writer.addscalar() 호출 전에 writer.addcustom_scalars()를 사용해 차트 레이아웃을 정해줍니다. 차트 레이아웃이란 텐서보드에 표시될 스칼라 값을 표시하는 방법입니다. 위 코드에서 ABCDE는 카테고리 이름, loss와 accuracy가 차트의 이름이며, loss/train, loss/validation, accuracy/train, accuracy/validation이

ys__us

Tensorboard 들어갔을 때 blank page 상태에서 로딩만 끝없이 하고있다면 > 💡 로 torch-tb-profiler-0.2.0를 제거 vscode 사용중이라면 삭제 후 vscode 내부에서 tensorboard launch 시 계속 위 프로그램 설치 권장 메세지가 뜨는데 그냥 무시하면 됨

jhcho

https://colab.research.google.com/github/tensorflow/tensorboard/blob/master/docs/tensorboardinnotebooks.ipynb TensorBoard in notebooks Download the FashionMNIST dataset and scale it: Create a very simple model: Train the model using Keras and the TensorBoard callback: Start TensorBoard within the notebook using magics: %tensorboard --logdir logs

jkseo50

텐서보드는 머신러닝 실험에 필요한 다양한 시각화 및 도구를 제공하는 구글에서 개발한 오픈소스입니다. 해당 문서에서는 pytorch에서 tensorboard를 활용하여 학습 진행 과정에 따른 loss 변화를 시각화하는 방법을 기술합니다. 1. tensorboard 모듈 설치 2. 필수 모듈 import하기 3. tensorboard에 값을 기록하기 위한 SummaryWriter 객체 생성 현재 디렉토리에 scalar 폴더가 생성되며 해당 폴더 내부에 loss값을 기록한 로그 파일이 저장됩니다. 그 다음, train 함수의 forward 연산 중 loss를 업데이트하는 부분에서 add_scalar 함수를 통해 기록하고자 하는 변수를 parameter로 넘겨줍니다. 학습이 종료된 후에는 writer 객체를 close하여 값을 저장합니다. close하지 않으면 loss 값이 저장되지 않으니 주의합니다. scalar 폴더 내부에 다음과 같