用 pytorch 闪电组织张量板图
Posted
技术标签:
【中文标题】用 pytorch 闪电组织张量板图【英文标题】:Organize tensorboard graph with pytorch lightning 【发布时间】:2021-02-28 12:23:45 【问题描述】:我已使用log_graph=True
将默认张量板记录器 (from pytorch_lightning.loggers import TensorBoardLogger
) 添加到我的 pytorch 闪电训练器中。
当我训练我的模型时,我的图表的第一个视图显示了三个块:
输入 => MyNetworkClassName => 输出
到目前为止一切顺利。
但是,当我展开 MyNetworkClassName 时,它绝对会为我提供网络中发生的一切。到处都是箭。我想将此图组织成带有可扩展子图的更简单的块。所以在我的例子中,我的网络有一个典型的编码器 - 增强器 - 解码器结构,我想要更像这样的东西:
第一张图:
-
输入 => MyNetworkClassName => 输出
放大 MyNetworkClassName:
-
编码器 => 增强器 -> 解码器
放大编码器:
-
encoder_layer1 => encoder_layer2 => ...
放大encoder_layer1:
-
conv2d => batchnorm
我在这里有什么选择?我应该把所有东西都放在单独的类中吗?是否有任何命令可以让我将某些操作组合在一起?
【问题讨论】:
【参考方案1】:将代码重构为类也会影响张量板图(其中重构为方法不会)。将显示为可扩展块的典型示例类:
class EncoderLayer(nn.Module):
"""Encoder layer class"""
def __init__(self, activation_function, kernel_num, kernel_size, idx):
super().__init__()
self.layer = nn.Sequential(
ComplexConv2d(
kernel_num[idx],
kernel_num[idx + 1],
kernel_size=(kernel_size, 2),
),
nn.BatchNorm2d(kernel_num[idx + 1])
activation_function,
)
def forward(self, x):
return self.layer(x)
【讨论】:
以上是关于用 pytorch 闪电组织张量板图的主要内容,如果未能解决你的问题,请参考以下文章