PaddlePaddle可视化之VisualDL

  • 时间:
  • 浏览:1
  • 来源:五分时时彩_五分时时彩下注平台注册_五分时时彩邀请码

  如保对模型进行可视化,这名人须要用keras手动绘图输出CNN训练的中途结果,本篇文章将讲述如保用PaddlePaddle新开源的VisualDL来进行可视化。在讲VisualDL过后,这名人先了解一下常用的Tensorflow的可视化工具---Tensorboard。

Tensorflow的可视化

  Tensorboard是Tensorflow自带的可视化模块,这名人须要通过Tensorboard直观的查看神经网络的价值形式,训练的收敛状况等。要想掌握Tensorboard,这名人须要知道一下几点:

  • 支持的数据形式

  • 具体的可视化过程

  • 如保对另有两个 实例使用Tensorboard

  数据形式 

(1)标量Scalars 

(2)图片Images 

(3)音频Audio 

(4)计算图Graph 

(5)数据分布Distribution 

(6)直方图Histograms 

(7)嵌入向量Embeddings

   可视化过程

(1)建立另有两个 graph。

(2)选折 在graph中的不同节点设置summary operations。

(3)将(2)中的所有summary operations合并成另有两个 节点,运行合并后的节点。

(4)使用tf.summary.FileWriter将运行后输出的数据都保存到本地磁盘中。

(5)运行整个守护程序运行运行,并在命令行输入运行tensorboard的指令,打开web端可查看可视化的结果

  使用Tensorborad的实例

  这里不要再不讲的特别详细啦,可能用过Tensorflow的同学觉得很好理解,只须要在平时写的守护程序运行运行顶端设置summary,tf.summary.scalar记录标量,tf.summary.histogram记录数据的直方图等等,很久正常训练,最后把所有的summary合并成另有两个 节点,存中放另有两个 地址下面,在linux界面输入一下代码:

tensorboard --logdir=‘存放的总summary节点的地址’

  然须要无缘无故冒出以下信息:

1 Starting TensorBoard 41 on port 20006 2 (You can navigate to http://127.0.1.1:20006)

  将http://127.0.1.1: 20006 在浏览器中打开,就须要看一遍web端的可视化了

  具体的参数表示的含义须要参照官网的解释

MXNet的可视化

  MXNet的可视化过后无缘无故使用mx.viz.plot_network来构建另有两个 神经网络图,很久很久有一位阿里的同学把tensorboard封放到了mxnet里,具体须要参照https://github.com/dmlc/tensorboard,须要对照他写的这篇文章来看Bring TensorBoard to MXNet。

  ps:这名功能好像去年年初这名人就结束了了英文了了搞了,看一遍他发的这名人圈才知道没过有几次月就上线了,真下行速率 ,喜欢mxnet的同学须要尝试一下。

PaddlePaddle的可视化--EventHandler  (关注博客园专栏作者:Charlotte77

http://www.cnblogs.com/charlotte77 查看源代码)

  在PaddlePaddle发布VisualDL过后,我无缘无故是用event_handler来可视化训练的收敛状况。我找了一段过后写的另有两个 类里的小代码来展示如保使用event_handler

  trainer = self.get_trainer()不要再管,可能过后写的另有两个 函数叫get_trainer,不要再先定义trainer,很久中放这里,顶端设另有两个 空列表存放每次训练的结果,我这名代码里叫result_lists,很久定义event_handler函数,在结束了了英文了了训练,另另有两个 每次训练的结果须要传入result_lists这名列表顶端,最后进行排序,把最优结果中放best里,输出就须要。最后用event_handler_plot画图,输出如下收敛的图:

  很久另另有两个 不到观察到神经网络在训练过程中的每个神经元的具体变化状况,不如tensorboard的功能多,不到看一遍这名人在训练过程中的loss下降的状况,训练算不算收敛等。

PaddlePaddle的新版可视化工具--VisualDL

  要花费就在上周,1. 16 日,PaddlePaddle和Echarts团队练手打造了VisualDL可视化工具 ,我试用了过后发现和tensorborad的功能好像!简单搞笑的话价值形式:

  • 支持Scaler打点数据展示,可将训练信息以折线图的形式展现出来,方便观察整体趋势,还能在同另有两个 可视化视图中呈现多条折线,方便用户对比分析。

  • 支持Image图片展示可轻松查看数据样本的质量,也须要方便地查看训练的顶端结果,同类卷积层的输出可能GAN生成的图片。

  • 支持Histogram参数分布展示功能,方便用户查看参数矩阵中数值的分布曲线,并随时观察参数数值分布的变化趋势。

  • 支持Graph查看下行速率 神经网络的模型价值形式。

  另另有两个 一看,觉得基本上实现了tensorboard的功能,可能应该简称“Bring TensorBorad To PaddlePaddle”。不知道博客园为什么我放gif,具体的图片展示就直接看官网吧

下行速率 学习可视化工具Visual DL——“所见即所得”

总结

  总的来说,Tensorboard是另有两个 非常好的可视化工具,mxnet另另有两个 不到可视化神经网络价值形式图,paddlepaddle另另有两个 不到看loss下降的训练收敛图,很久很久mxnet把tensorborad搞进去了,paddlepaddle发布了另有两个 新的工具VisualDL,实现了Tensorborad的功能,还是非常厉害的!这名人须要多体验体验,另另有两个 就不要再像上篇文章手动的去画每个网络结果顶端的输出结果图,直接用VisualDL的Image展示就须要了,更加方便这名人理解模型,观察模型训练的过程,简单来说,让这名人不透明的“炼丹术”变得更加透明清楚了。

作者:Charlotte77 

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户这名人,发现稿件趋于稳定不实报道,欢迎读者反馈、纠正、举报间题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能趋于稳定的风险,任何后果均由读者自行承担。