可视化训练 - NVIDIA 文档

可视化是训练深度神经网络 (DNN) 非常重要的组成部分。训练 DNN 涉及设计具有数百万参数的复杂神经网络模型，并对大型数据集进行迭代。因此，了解这种训练如何随时间推移而进展、可视化模型图的结构以及模型权重的统计数据非常重要。

TAO 3.22.05 引入了以下计算机视觉网络与 TensorBoard 的集成。

DetectNet-v2
FasterRCNN
图像分类
多任务分类
RetinaNet
YOLOv4/YOLOv4-Tiny
YOLOv3
MaskRCNN
UNet
SSD
DSSD

TAO 中支持的网络支持可视化

标量图，例如训练损失、验证损失和学习率
权重的直方图
图像

在训练期间启用 Tensorboard

为了在训练时启用 tensorboard，您只需将以下 spec 元素添加到配置/实验 spec 文件的 training_config 元素中。

复制
已复制！

            
            visualizer{
    enabled: true
}

有关可视化器的可配置元素的详细信息，请查看与网络的 training_config 元素对应的表，该表位于相应网络的 Creating an Experiment Spec file 中。

使用 TensorBoard 可视化

安装 tensorboard

安装 tensorboard 非常简单，只需运行一个简单的 pip 安装命令即可。
复制

已复制！
```
            
            python -m pip install tensorboard
        
```

调用 Tensorboard

在您的 python 环境中安装 tensorboard 后，您可以通过运行以下命令来实例化 tensorboard 会话。
复制

已复制！
```
            
            tensorboard --logdir $RESULTS_DIR --host 0.0.0.0 --port 8080
        
```
其中 $RESULTS_DIR 是存储来自训练实验的 events.out.tfevents.* 文件的路径。

注意

如果您想在单个 tensorboard 会话中并排可视化来自多个实验的结果，您可以通过将多个目录添加到同一 tensorboard 路径来执行此操作，如下面的命令所示。

复制
已复制！

            
            tensorboard --logdir_spec experiment_name_1:${RESULTS_DIR_1},experiment_name_2:${RESULTS_DIR_2} \
            --host 0.0.0.0 --port 8080

其他资源

有关 TensorBoard 客户端的更多信息，请参阅官方文档。您还可以参考入门文档和常见问题解答。