问题标签 [tensorboardx]

我目前正在使用 tensorboardX 在训练 ResNet 图像分类器时可视化输入图像。有没有办法将图像标题与添加的图像一起添加？我想在张量板显示中的图像下方显示图像名称（存储在数据集中）。

到目前为止，我已经尝试将一个comment参数传递给我的张量板编写器，这似乎并没有完成这项工作。目前，我的代码的相关行是：

我使用 tf.Keras 使用 1D 卷积层构建了分类模型。如果我移除 tensorboard，这会很好。因为我是初学者，我无法弄清楚问题所在。请帮忙

并使用序列类批处理生成器输入批处理

添加张量板后，它仅运行第一个 epoch。

我正在 tensorboardX 中检查我的模型。我正在使用 PyTorch。以下是forward方法：

在图中，我不明白蓝色和绿色框中的这些值和节点代表什么。input为什么从to ext_net( FCNCustom )有单独的数据流？不应该只有一个通过net吗？

当我使用 tensorboardX 绘制数据丢失的图时，它告诉我：

我已经将损失从float变成np.array，并且我已经阅读了 tensorboardX 的文档，它告诉我add_scalar()函数必须输入标量数据并且我这样做了，但它向我显示了一个错误。谢谢你的帮助！

我有一个值列表（损失值）。

损失 = [0.9,0.7,0.6,0.4]

我在训练时没有使用 tensorboard 回调。现在我想在张量板上绘制这些值。我怎样才能做到这一点？

我按照pytorch.org的教程 出现错误：<code>TensorBoard logging需要TensorBoard 1.15或更高版本，但我已经安装了TensorBoard。这是代码：

错误：

环境：

我from torch.utils.tensorboard import SummaryWriter一开始使用，但出现与上述相同的错误。然后我使用from tensorboardX import SummaryWriter

我运行了一个强化学习训练脚本，它使用 Pytorch 并将数据记录到 tensorboardX 并保存了检查点。现在我想继续训练。我如何告诉 tensorboardX 从我离开的地方继续？谢谢！

我试图用预测来可视化实际图像，以弄清楚我的算法是如何执行的，以及哪些标签被错误地预测了。但是当我设置步骤时，在张量板上的可视化过程中，它并没有显示所有步骤。因此，它不会显示所有训练图像及其标签。相反，我只能从所有训练图像中看到几个示例。

以下是我使用全局步骤作为步骤的训练循环。

我认为问题出在 writer.add_figure() 定义 global_step 的最后一行。但是，在这方面的任何帮助将不胜感激。

我有一个训练有素的网络，它为我提供了 2048 个维度的特征。我想通过 Tensorboard 嵌入投影仪使用 t-sne 图将它们可视化。每个数据点都属于大约 10 个不同的标签，因此我可以通过为不同的标签指定不同的颜色来进行区分。但是，要注意的是，在 1 个标签内，这些特征属于 2 类，一种是 RGB 图像特征，另一种是红外图像特征。所以现在我需要显示一些标记，如“x”或“o”，它们在散点图中可用，RGB 和红外特征不同。但是，我在 Embedding Projector 文档中的任何位置都找不到此功能来指定标记。目前，我正在使用 Pytorch 的嵌入式投影仪，使用 Summary writer，但如果它具有这样的功能，我不介意切换到 Tensorflow。如果有人知道这是否可以在 Tensorboard 嵌入投影仪中完成，请帮助我。提前致谢

我有一个名称很长的日志文件，我不能也不想缩短它。由于文件名太长，日志会出现如下图被截断的情况。如何删除“时间”和“相对”列，以便更好地查看日志文件名？