Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Jump to bottom

fix vdl tutorial doc path #5129

Merged
merged 2 commits into from
Aug 15, 2022
Merged

fix vdl tutorial doc path #5129

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
4803cae
fix path
rainyfly Aug 12, 2022
c724c97
fix
rainyfly Aug 12, 2022
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
26 changes: 13 additions & 13 deletions docs/guides/advanced/visualdl_usage_cn.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -203,7 +203,7 @@ visualdl --logdir ./runs/mnist_experiment --model ./runs/mnist_experiment/model.

如果是在[AI Studio](https://aistudio.baidu.com/aistudio/projectdetail/4188061?contributionType=1)上训练程序，可以在模型训练结束后，参考如下界面设置日志文件所在目录和模型文件，启动 VisualDL 的可视化服务。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_0.png)
![img](./images/visualdl_guide_image_0.png)



Expand Down Expand Up @@ -249,7 +249,7 @@ logwriter.add_image_matrix(tag='input_images', step=1, imgs=image_matrix, rows=-

“样本数据·图像”页面显示了通过 add_image_matrix 接口写入的图像列表，可以看到写入的 9 张图像按照 3*3 的排列方式展示了出来，用于训练的数据是手写字体的数字。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_1.png)
![img](./images/visualdl_guide_image_1.png)

图 1：查看输入图像

Expand All @@ -263,7 +263,7 @@ logwriter.add_embeddings('input_image_embeddings', mat=[img.reshape(-1) for img

“数据降维”页面显示了通过 add_embeddings 接口写入的向量降维后的位置关系。一般来说，越相似的图像投射到低维空间的距离就会越相近。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_2.png)
![img](./images/visualdl_guide_image_2.png)

图 2：查看数据降维的结果

Expand All @@ -282,7 +282,7 @@ paddle.jit.save(model, './runs/mnist_experiment/model', [paddle.static.InputSpec

“网络结构”页面显示了使用飞桨搭建的网络结构。可以清晰的看到其拓扑连接方式以及每个结构单元的详细信息。通过网络结构图，可以分析自己搭建的网络拓扑是否符合设计时的预期，辅助做网络搭建的调试；以及查看每个节点输出的变量的形状，并通过此形状评估参数量的大小。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_3.png)
![img](./images/visualdl_guide_image_3.png)

图 3：查看网络结构

Expand All @@ -308,21 +308,21 @@ logwriter.add_hparams(hparams_dict={'lr': 0.0001, 'batch_size': 16, 'opt': 'adam

“超参可视化”页面会显示通过 add_hparams 接口记录这两次不同实验的超参数信息，并对关联的曲线进行对比。通过表格视图，平行坐标图和散点图三种图，可以发现在学习率为 1e-4，优化器为 adam 的时候，训练的平均损失值更低，测试集上的测试精度更高。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_4.png)
![img](./images/visualdl_guide_image_4.png)

图 4：超参实验对比-表格视图

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_5.png)
![img](./images/visualdl_guide_image_5.png)

图 5：超参实验对比-平行坐标图

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_6.png)
![img](./images/visualdl_guide_image_6.png)

图 6：超参实验对比-散点图

回到“标量数据”页面，查看 test_avg_acc 曲线。同样可以发现，学习率为 1e-4、优化器为 adam 的测试准确率曲线，在学习率为 1e-3、优化器为 sgd 对应的曲线之上。通过此对比，可以直观了解超参实验结果。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_7.png)
![img](./images/visualdl_guide_image_7.png)

图 7：查看测试准确率曲线

Expand Down Expand Up @@ -367,7 +367,7 @@ logwriter.add_hparams(hparams_dict={'lr': 0.0001, 'batch_size': 16, 'opt': 'adam

“直方图”页面显示了 add_histogram 接口写入的模型参数。直方图的横坐标是值的大小，纵坐标是 step，高度代表值对应的元素数量。一般正常训练过程的参数分布变化，即向下图一样，由较大的方差向较小方差变化，从类似均匀分布偏向类似高斯分布。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_8.png)
![img](./images/visualdl_guide_image_8.png)

图 8：查看网络模型参数变化

Expand Down Expand Up @@ -410,7 +410,7 @@ for epoch_id in range(EPOCH_NUM):

“标量数据”页面显示了 add_scalar 接口写入的每个 step 的损失函数值。可以看到随着网络的训练，损失函数的值趋势是先快速下降，然后缓慢下降并趋于稳定，说明模型的训练过程正常并且最后收敛了。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_9.png)
![img](./images/visualdl_guide_image_9.png)

图 9：查看训练过程中损失函数值变化

Expand Down Expand Up @@ -442,11 +442,11 @@ logwriter.add_scalar("test_avg_acc", value=avg_loss, step=epoch_id)

add_scalar 接口写入的测试集的损失函数值和准确率的值，同样可以在“标量数据”页面看到。可以看到随着模型的训练，测试集上的损失函数值也在下降并且预测准确率在不断的升高，同样说明了模型的训练符合我们想要的预期。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_10.png)
![img](./images/visualdl_guide_image_10.png)

图 10：查看测试集的准确率值变化

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_11.png)
![img](./images/visualdl_guide_image_11.png)

图 11：查看测试集的损失函数值变化

Expand Down Expand Up @@ -488,7 +488,7 @@ VisualDL 可以在每个训练的 epoch 结束后，在测试集上画出对应

在“更多·PR 曲线”页面显示了所计算的每个类别的 PR 曲线。可以观察测试集上的 PR 曲线随着训练过程的变化情况，以及对比不同类别下 PR 曲线的差异。

![img](https://github.com/PaddlePaddle/docs/blob/develop/docs/guides/advanced/images/visualdl_guide_image_12.png)
![img](./images/visualdl_guide_image_12.png)

图 12：查看 PR 曲线

Expand Down