TensorBoard-logger
Et værktøj til at logge data fra maskinlæringseksperimenter til visualisering i TensorBoard.
Kort fortalt
En TensorBoard-logger gemmer tal og grafer fra din træning, så du kan følge med i TensorBoard.
- Kategori
- værktøj
- Niveau
- øvet
- Udtale
- tɛnsɔɾˌboːɐ̯d ˈlɔɡɐ
Betydninger
1- 1
En softwarekomponent eller et bibliotek, der indsamler og sender metrikker, grafer og andre data til TensorBoard under modeltræning.
- Vi brugte en TensorBoard-logger til at overvåge trænings- og valideringsloss i realtid.
- I PyTorch Lightning aktiveres TensorBoard-loggeren ved at sætte logger=True i Trainer.
Hvornår bruges det
Bruges typisk i træningsløkker til at logge loss, accuracy, vægte og billeder. Mange rammeværker som PyTorch Lightning har indbyggede loggere, men man kan også skrive sin egen ved at bruge SummaryWriter fra torch.utils.tensorboard.
Kodeeksempel
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('runs/experiment_1')
for epoch in range(10):
loss = train()
writer.add_scalar('Loss/train', loss, epoch)
writer.close()Opretter en TensorBoard-logger med SummaryWriter og logger et tabstal per epoch.
Oprindelse
Sammensat af 'TensorBoard' (tensor + board, 'tavle') og 'logger' (fra engelsk log, 'logbog').