您好,登錄后才能下訂單哦!
本篇文章為大家展示了MXBoard中怎么利用MXNet 實(shí)現(xiàn)數(shù)據(jù)可視化,內(nèi)容簡明扼要并且容易理解,絕對能使你眼前一亮,通過這篇文章的詳細(xì)介紹希望你能有所收獲。
安裝教程
安裝MXNet
1pip install mxnet-cu80 --pre # Amusi的環(huán)境是CUDA8.0
安裝MXBoard
1pip install mxboard
安裝TensorBoard
1pip install tensorflow-gpu==1.4 tensorboard # Amusi指定了TensorFlow版本
注:要想在瀏覽器中可視化數(shù)據(jù),MXBoard還必須依賴于TensorBoard,因此還需要下載安裝TensorFlow和TensorBoard(TensorFlow真的很NB)
測試TensorBoard
1tensorboard --help
若成功安裝,則會輸出一堆tensorboard的指令提示信息,如下圖所示:
測試:利用 MXBoard 來可視化 MXNet 數(shù)據(jù)
新建Python腳本文件,命名為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)
運(yùn)行該腳本文件,可在同路徑下生成logs文件夾,如下圖所示:
打開終端,切換到利用TensorBoard可視化
1tensorboard --logdir=./logs --host=127.0.0.1 --port=8888
根據(jù)輸出提示,將http://127.0.0.1:8888網(wǎng)址復(fù)制粘貼到Chrome瀏覽器中
上述內(nèi)容就是MXBoard中怎么利用MXNet 實(shí)現(xiàn)數(shù)據(jù)可視化,你們學(xué)到知識或技能了嗎?如果還想學(xué)到更多技能或者豐富自己的知識儲備,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。