MXBoard | 实现 MXNet 数据可视化
Posted 深度学习与神经网络
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了MXBoard | 实现 MXNet 数据可视化相关的知识,希望对你有一定的参考价值。
前不久Amusi推送了,GluonCV是分布式机器学习社区(DMLC) 发布了基于MXNet的计算机视觉的深度学习工具箱,提供了一些顶级的算法实现与基本运算。
MXBoard github:
https://github.com/awslabs/mxboard
刚不久,MXNet官方又发布了MXBoard,其给 MXNet 提供了一个在科研和生产环境中简单、易用、集中的可视化方案。让我们简单看一下亚马逊首席科学家李沐博士在知乎上如何介绍MXBoard的。
链接:https://zhuanlan.zhihu.com/p/36277324
Amusi这里就简单整理了一下如何安装MXNet、MXBoard、TensorFlow和TensorBoard,以及一个利用TensorBoard和MXBoard简单可视化数据的示例。
安装教程
安装MXNet
1pip install mxnet-cu80 --pre # Amusi的环境是CUDA8.0
安装MXBoard
1pip install mxboard
安装TensorBoard
1pip install tensorflow-gpu==1.4 tensorboard # Amusi指定了TensorFlow版本
注:要想在浏览器中可视化数据,MXBoard还必须依赖于TensorBoard,因此还需要下载安装TensorFlow和TensorBoard(TensorFlow真的很NB)
测试TensorBoard
1tensorboard --help
若成功安装,则会输出一堆tensorboard的指令提示信息,如下图所示:
测试:利用 MXBoard 来可视化 MXNet 数据
新建Python脚本文件,命名为MXBoard-Test.py
1import mxnet as mx
2from mxboard import SummaryWriter
3
4with SummaryWriter(logdir='./logs') as sw:
5 for i in range(10):
6 # create a normal distribution with fixed mean and decreasing std
7 data = mx.nd.normal(loc=0, scale=10.0/(i+1), shape=(10, 3, 8, 8))
8 sw.add_histogram(tag='norml_dist', values=data, bins=200, global_step=i)
运行该脚本文件,可在同路径下生成logs文件夹,如下图所示:
打开终端,切换到利用TensorBoard可视化
1tensorboard --logdir=./logs --host=127.0.0.1 --port=8888
根据输出提示,将http://127.0.0.1:8888网址复制粘贴到Chrome浏览器中
点击HISTOGRAMS,即可以看到可视化结果
往期文章回顾
--------我是可爱的分割线--------
若喜欢,给个赞呗~
以上是关于MXBoard | 实现 MXNet 数据可视化的主要内容,如果未能解决你的问题,请参考以下文章