深度学习日志及可视化过程

一、什么是 TensorBoard?

TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。TensorBoard 的主要功能包括:

可视化模型的网络架构

跟踪模型指标,如损失和准确性等

检查机器学习工作流程中权重、偏差和其他组件的直方图

显示非表格数据,包括图像、文本和音频

将高维嵌入投影到低维空

二、什么是 wandb?(需要用到外网,也有offline离线模式)

wandb的核心功能就是跟踪训练过程,展示训练流程以供我们观察展示和分析

三、总结wandb和tensorboard

1. 核心功能对比

特性 WandB TensorBoard
开发方 Weights & Biases 公司 Google (TensorFlow 生态)
主要用途 实验跟踪、协作、模型管理 训练过程可视化(TensorFlow 优先)
实时更新 ✅ 支持 ❌ 需手动刷新
协作功能 ✅ 多用户共享、评论、报告生成 ❌ 仅本地或自行搭建服务共享
数据存储 ☁️ 云端(可离线导出) 💻 本地文件(需自行管理)
框架支持 PyTorch、TF、JAX 等(框架无关) TensorFlow(原生)、PyTorch(插件)
超参数记录 ✅ 自动记录 ✅ 需手动配置
模型版本控制 ✅ 集成(可保存模型快照) ❌ 需结合 Git 或其他工具

2. 使用场景推荐

  • 选择 WandB 如果

    • 需要团队协作或远程查看实验结果。

    • 希望自动记录超参数、代码版本、系统指标(如GPU温度)。

    • 需生成精美的共享报告(如论文复现、项目交付)。

  • 选择 TensorBoard 如果

    • 纯本地开发,无需云端功能。

    • 深度依赖 TensorFlow 生态(如 TF Serving 集成)。

    • 对隐私要求极高(数据完全离线)。


3. 代码示例对比

WandB 基础用法
复制代码
import wandb

# 初始化项目
wandb.init(project="my-project", config={"lr": 0.01})

# 记录指标
for epoch in range(100):
    loss = train_step()
    wandb.log({"loss": loss})  # 自动同步到云端

# 保存模型
wandb.save("model.h5")
TensorBoard 基础用法
复制代码
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs/")  # 本地存储

for epoch in range(100):
    loss = train_step()
    writer.add_scalar("loss", loss, epoch)  # 写入本地文件

writer.close()
# 启动服务:tensorboard --logdir=logs/

4. 优缺点总结

工具 优点 缺点
WandB - 开箱即用的协作功能 - 丰富的仪表盘和报告 - 自动环境捕获 - 免费版有限制(团队人数、存储) - 需联网(可离线模式)
TensorBoard - 完全免费和离线 - 与 TensorFlow 深度集成 - 可扩展性强 - 协作功能弱 - 界面较老旧

5. 如何选择?

  • 科研/团队项目WandB(提升协作效率)。

  • 工业部署/TensorFlow 项目TensorBoard(稳定性优先)。

  • 轻量级实验 → TensorBoard(避免依赖)。

相关推荐
和鲸社区21 分钟前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp
fanstuck22 分钟前
2025 年高教社杯全国大学生数学建模竞赛C 题 NIPT 的时点选择与胎儿的异常判定详解(一)
人工智能·目标检测·数学建模·数据挖掘·aigc
cxr82824 分钟前
Claude Code PM 深度实战指南:AI驱动的GitHub项目管理与并行协作
人工智能·驱动开发·github
THMAIL1 小时前
深度学习从入门到精通 - LSTM与GRU深度剖析:破解长序列记忆遗忘困境
人工智能·python·深度学习·算法·机器学习·逻辑回归·lstm
Gyoku Mint1 小时前
NLP×第六卷:她给记忆加了筛子——LSTM与GRU的贴靠机制
人工智能·深度学习·神经网络·语言模型·自然语言处理·gru·lstm
YF云飞2 小时前
数据仓库进化:Agent驱动数智化新范式
数据仓库·人工智能·ai
ningmengjing_2 小时前
理解损失函数:机器学习的指南针与裁判
人工智能·深度学习·机器学习
程序猿炎义2 小时前
【NVIDIA AIQ】自定义函数实践
人工智能·python·学习
小陈phd3 小时前
高级RAG策略学习(四)——上下文窗口增强检索RAG
人工智能·学习·langchain
居然JuRan3 小时前
阿里云多模态大模型岗三面面经
人工智能