머신러닝 시각화 툴킷 Tensorboard 설치 및 사용방법

1. TENSORBOARD란

머신러닝 모델, 데이터, 학습 시각화 툴입니다.

iter별 이미지가 분류되는 모습을 시각화 할 수 있고

 

 

 

학습중인 이미지를 볼 수 있고

 

생성되는 모델 구조도 볼 수 있고

 

텐서보드에 스칼라를 입력하여 그래프도 볼 수 있습니다.

 

2. 사용방법

1. 설치

      

      

      

    
    

      <python />
    
기본적으로 파이토치가 설치되어 있어야 합니다.
pip install tensorboard

2. 라이브러리 추가 및 호출

      

      

      

    
    

      <python />
    
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('log_dir 경로') #`log_dir`의 기본값은 "runs"입니다.

3. 텐서보드에 쓰기(작업공간 안에 log_dir 경로=runs폴더 안에 파일이 생성됩니다.)

      

      

      

    
    

      <python />
    
# 텐서보드에 이미지 쓰기
writer.add_image('four_fashion_mnist_images', img_grid)

# 텐서보드에 모델구조 쓰기
writer.add_graph(모델명, inputData)

# 텐서보드에 그래프 데이터 쓰기
writer.add_scalar('train loss', train_loss,epoch)

# 텐서보드 작성 종료
writer.close()

4. 실행

      

      

      

    
    

      <python />
    
터미널에서
tensorboard --logdir=runs # runs폴더내 파일을 텐서보드로 보여준다

5. 텐서보드 보기

      

      

      

    
    

      <python />
    
 http://localhost:6006

 

3. tensorboard.dev

하지만 이렇게 하면 로컬(본인컴퓨터)에서 밖에 못봅니다.

외부에서 내컴퓨터로 접속해서 볼 수 있겠지만 컴퓨터를 서버로 계속 돌려야 가능합니다. 

https://tensorboard.dev를 이용하면  누구와도 공유 가능하고 어디서든 관리 가능합니다.

 

writer로 텐서보드 생성된 파일이 있는 logdir 경로를 DL_Log라고 하면

DL_Log폴더 내 파일을 tensorboard.dev서버에 업로드하는것 입니다.

      

      

      

    
    

      <python />
    
# 업로드 텐서보드
터미널에 
tensorboard dev upload --logdir DL_Log ##내 텐서보드 저장된 경로
  #  --name "(optional) My latest experiment" \
  #  --description "(optional) Simple comparison of several hyperparameters"
  # name과 description 도 옵션으로 넣을 수 있습니다.

***** TensorBoard Uploader *****

This TensorBoard will be visible to everyone. Do not upload sensitive data.

Continue? (yes/NO)  #yes 입력

Please visit this URL to authorize this application: https://accounts.google.com/o/oauth2/auth...
#구글계정과 연동하고 권한을 설정해줍니다.

Uploading to TensorBoard.dev at https://tensorboard.dev/experiment/

 

 https://tensorboard.dev/experiment/에 접속하시면 업로드 된 텐서보드를 확인할 수 있습니다.

https://tensorboard.dev/experiment/FRbuxfG5SkaFPQQH4OcpYw/#scalars

이런식으로 주소 공유도 가능합니다.