(1)什么是tensorboard
tensorboard是TensorFlow 的一个可视化工具包,提供机器学习实验所需的可视化和工具,该工具的功能如下:
- 跟踪和可视化指标,例如损失和精度
- 可视化模型图(操作和层)
- 查看权重、偏差或其他张量随时间变化的直方图
- 将嵌入投影到低维空间
- 显示图像、文本和音频数据
- 分析 TensorFlow 程序
- 以及更多
(2)怎样使用tensorboard可视化记录的指标
初次接触深度的学习的娃,在复现模型的时候可能会碰到如下样式的文件夹以及如下样式文件
这就是深度学习模型在训练过程中记录下来的相关指标和数据,直接打来文件啥也看不明白,于是需要使用到tensorboard工具
直接在服务器终端输入tensorboard --logdir=创建的文件夹名字(比如我的就是tensorboard_dir)
运行后黄颜色的框框里会出现一个网址
点击进入上面的网址,就能看到生成的曲线图了
(3)怎样使用tensorboard保存生成的图片
先点到SCALARS,然后将左侧两个选项都勾选上
点击这个下载按钮
点击下载成SVC文件
这里提供一个脚本将将svg转换成png图片
#! encoding:UTF-8
import cairosvg
import osdef exportsvg(fromDir, targetDir, exportType):print("开始执行转换命令...")num = 0for a, f, c in os.walk(fromDir): # 使用walk遍历源目录for fileName in c:path = os.path.join(a, fileName) # 获得文件路径if os.path.isfile(path) and fileName[-3:] == "svg": # 判断文件是否为svg类型num += 1fileHandle = open(path)svg = fileHandle.read()fileHandle.close()exportPath = os.path.join(targetDir, fileName[:-3] + exportType) # 生成目标文件路径exportFileHandle = open(exportPath, 'w')if exportType == "png":try:cairosvg.svg2png(bytestring=svg, write_to=exportPath) # 转换为png文件except:print("error in convert svg file : %s to png."%(path))elif exportType == "pdf":try:cairosvg.svg2pdf(bytestring=svg, write_to=exportPath) # 转换为pdf文件except:print("error in convert svg file: %s to pdf."%(path))exportFileHandle.close()print("Success Export ", exportType, " -> ", exportPath)print("已导出 ", num, "个文件") # 统计转换文件数量
svgDir = r'test' # svg文件夹路径
exportDir = r'test' # 目的文件夹路径
exportFormat = 'png' # 转换类型
if not os.path.exists(exportDir):os.mkdir(exportDir)
exportsvg(svgDir, exportDir, exportFormat) # 转换主函数
如果遇到这样的报错
OSError: no library called "cairo-2" was found
no library called "cairo" was found
no library called "libcairo-2" was found
解决方案如下:
(1)先点这个链接下载一个文件:https://github.com/tschoonj/GTK-for-Windows-Runtime-Environment-Installer/releases/download/2021-01-30/gtk2-runtime-2.24.33-2021-01-30-ts-win64.exe
(2)然后双击exe文件一路安装就行,或者自己选择一个路径安装(不要出现中文路径!!!!!),这和安装软件没有什么区别
(3)安装完事后在系统变量Path中会多一个下图所示的路径,如果没有,自己手动添加一下。
(4)重启pycharm再运行代码就好了
(4)tensorboard使用指南
tensorboard是有官方使用指南的
网址:开始使用 TensorBoard | TensorFlow