重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
本篇文章为大家展示了MXBoard中怎么利用MXNet 实现数据可视化,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
创新互联是一家企业级云计算解决方案提供商,超15年IDC数据中心运营经验。主营GPU显卡服务器,站群服务器,四川电信机房托管,海外高防服务器,机柜大带宽,动态拨号VPS,海外云手机,海外云服务器,海外服务器租用托管等。
安装教程
安装MXNet
1pip install mxnet-cu80 --pre # Amusi的环境是CUDA8.0
安装MXBoard
1pip install mxboard
安装TensorBoard
1pip install tensorflow-gpu==1.4 tensorboard # Amusi指定了TensorFlow版本
注:要想在浏览器中可视化数据,MXBoard还必须依赖于TensorBoard,因此还需要下载安装TensorFlow和TensorBoard(TensorFlow真的很NB)
测试TensorBoard
1tensorboard --help
若成功安装,则会输出一堆tensorboard的指令提示信息,如下图所示:
测试:利用 MXBoard 来可视化 MXNet 数据
新建Python脚本文件,命名为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)
运行该脚本文件,可在同路径下生成logs文件夹,如下图所示:
打开终端,切换到利用TensorBoard可视化
1tensorboard --logdir=./logs --host=127.0.0.1 --port=8888
根据输出提示,将http://127.0.0.1:8888网址复制粘贴到Chrome浏览器中
上述内容就是MXBoard中怎么利用MXNet 实现数据可视化,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注创新互联行业资讯频道。