Pytorch使用Tensorboard可视化网络结构

2024-07-15 13:46| 来源: 网络整理| 查看: 265

##Pytorch使用Tensorboard可视化网络结构 GitHub地址：点击打开 1.下载可视化代码

git clone https://github.com/lanpa/tensorboard-pytorch.git

2.安装PyTorch 0.4 +torchvision 0.2 3.安装Tensorflow和Tensorboard：

pip install tensorflow pip install tensorboard==1.7.0

4.安装可视化工具：

pip install tensorboardX

5.运行下面的测试代码demo_LeNet.py :

import torch import torch.nn as nn from tensorboardX import SummaryWriter class LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() self.conv1 = nn.Sequential( #input_size=(1*28*28) nn.Conv2d(1, 6, 5, 1, 2), nn.ReLU(), #(6*28*28) nn.MaxPool2d(kernel_size=2, stride=2), #output_size=(6*14*14) ) self.conv2 = nn.Sequential( nn.Conv2d(6, 16, 5), nn.ReLU(), #(16*10*10) nn.MaxPool2d(2, 2) #output_size=(16*5*5) ) self.fc1 = nn.Sequential( nn.Linear(16 * 5 * 5, 120), nn.ReLU() ) self.fc2 = nn.Sequential( nn.Linear(120, 84), nn.ReLU() ) self.fc3 = nn.Linear(84, 10) # 定义前向传播过程，输入为x def forward(self, x): x = self.conv1(x) x = self.conv2(x) # nn.Linear()的输入输出都是维度为一的值，所以要把多维度的tensor展平成一维 x = x.view(x.size()[0], -1) x = self.fc1(x) x = self.fc2(x) x = self.fc3(x) return x dummy_input = torch.rand(13, 1, 28, 28) #假设输入13张1*28*28的图片 model = LeNet() with SummaryWriter(comment='LeNet') as w: w.add_graph(model, (dummy_input, ))

5.上面的代码运行结束后，会在当前目录生成一个叫run的文件夹，里面存储了可视化所需要的日志信息。用cmd进入到runs文件夹所在的目录中（路劲中不能有中文），然后cmd中输入：

tensorboard --logdir runs

这里写图片描述

####最后会在cmd中得到一个网址，将这个网址复制输入谷歌浏览器中（其他浏览器好像打不开），会弹出LeNet网络可视化结果：这里写图片描述

【本文地址】

公司简介

联系我们