使用Tensorboard可视化网络结构(基于pytorch)

前言

我们在搭建网络模型的时候,通常希望可以对自己搭建好的网络模型有一个比较好的直观感受,从而更好地了解网络模型的结构,Tensorboard工具的使用就给我们提供了方便的途径

Tensorboard概况

Tensorboard是由Google公司开源的一款可视化工具,是TensorFlow的一个附属组件,但在pytorch项目中也可以使用。

它有以下主要功能:

  • 可视化网络模型:您可以直观地了解模型的结构,包括层的堆栈方式,激活函数等。
  • 记录和绘制训练过程中各项指标的变化,例如loss曲线、准确率曲线等。
  • 可视化特征空间和高维度数据。
  • 可视化梯度、权重乃至激活函数输出分布等等。

这篇博客主要介绍Tensorboard可视化网络模型的功能

代码实现

我们搭建一个简单的神经网络,依赖的库环境

python 复制代码
import torch
import torch.nn as nn
import torch.nn.functional as F

from torch.utils.tensorboard import SummaryWriter

搭建网络模型

python 复制代码
class Net(nn.Module):
    def __init__(self,input_dim,layer1_dim,layer2_dim,output_dim):  
        super(Net,self).__init__()
        self.flatten = nn.Flatten() 
        self.layer1 = nn.Sequential(nn.Linear(input_dim,layer1_dim),nn.ReLU())
        self.layer2 = nn.Sequential(nn.Linear(layer1_dim,layer2_dim),nn.ReLU())
        self.out = nn.Sequential(nn.Linear(layer2_dim,output_dim),nn.Softmax(dim=-1))

    def forward(self,x):
        x = self.flatten(x)
        x = self.layer1(x)
        x = self.layer2(x)
        x = self.out(x)
        return x

# 初始化网络中的值
input_dim,layer1_dim,layer2_dim,output_dim=32*32,512,128,10
model = Net(input_dim,layer1_dim,layer2_dim,output_dim)

网络由三层全连接层组成,输入的数据形状为

python 复制代码
# 定义输入模型的数据,1表示批次,这里可以忽略
input_data = torch.rand(1,32,32)

# 模型输出的数据
output_data = model(input_data)

接下俩就是使用SummaryWriter创建日志保存搭建好的网络模型

python 复制代码
with SummaryWriter(log_dir=r"D:\CSDN_point\12_22\logs", comment="Net") as w:
    w.add_graph(model, input_data)

log_dir参数就是日志文件的本地保存路径,comment就是日志的备注,add_graph()传入网络模型和输入数据,运行后就会在指定路径上生成对应的文件,打开log文件所在的文件位置,在顶部路径上输入cmd,打开命令行窗口

在命令行窗口输入

python 复制代码
tensorboard --logdir logs

复制返回的网址在浏览器打开,就可以得到对应的网络可视化结果了

欢迎大家讨论交流~


相关推荐
之歆11 分钟前
Python-封装和解构-set及操作-字典及操作-解析式生成器-内建函数迭代器-学习笔记
笔记·python·学习
麻雀无能为力28 分钟前
CAU数据挖掘 支持向量机
人工智能·支持向量机·数据挖掘·中国农业大学计算机
智能汽车人42 分钟前
Robot---能打羽毛球的机器人
人工智能·机器人·强化学习
埃菲尔铁塔_CV算法43 分钟前
基于 TOF 图像高频信息恢复 RGB 图像的原理、应用与实现
人工智能·深度学习·数码相机·算法·目标检测·计算机视觉
ζั͡山 ั͡有扶苏 ั͡✾1 小时前
AI辅助编程工具对比分析:Cursor、Copilot及其他主流选择
人工智能·copilot·cursor
东临碣石821 小时前
【AI论文】数学推理能否提升大型语言模型(LLM)的通用能力?——探究大型语言模型推理能力的可迁移性
人工智能·语言模型·自然语言处理
天天爱吃肉82181 小时前
ZigBee通信技术全解析:从协议栈到底层实现,全方位解读物联网核心无线技术
python·嵌入式硬件·物联网·servlet
未来智慧谷1 小时前
微软医疗AI诊断系统发布 多智能体协作实现疑难病例分析
人工智能·microsoft·医疗ai
野生技术架构师1 小时前
简述MCP的原理-AI时代的USB接口
人工智能·microsoft
Allen_LVyingbo2 小时前
Python常用医疗AI库以及案例解析(2025年版、上)
开发语言·人工智能·python·学习·健康医疗