Skip to main content

图像分类 - Jupyter Notebook

示例 image_classification_CIFAR10.ipynb 展示了如何将 ClearML 集成到 Jupyter Notebook 中，该笔记本使用 PyTorch、TensorBoard 和 TorchVision 在 CIFAR10 数据集上训练神经网络以进行图像分类。ClearML 自动记录示例脚本在训练和测试中对 TensorBoard 方法的调用，这些方法报告标量和图像调试样本，以及模型和控制台日志。该示例还展示了如何将参数连接到任务并记录它们。当脚本运行时，它会在 Image Example 项目中创建一个名为 image_classification_CIFAR10 的实验。

另一个例子优化了这个图像分类示例的超参数（参见超参数优化 - Jupyter Notebook文档页面）。在运行超参数优化示例之前，必须先运行这个图像分类示例。

标量​

准确率、每个类别的准确率和训练损失标量会自动记录，同时还会记录资源利用率图表（标题为:monitor: machine），并显示在SCALARS中。

image

调试示例​

图像样本会自动记录并显示在DEBUG SAMPLES中。

image

通过双击缩略图，您可以在图像查看器中查看频谱图。

image

超参数​

ClearML 自动记录 TensorFlow 定义。通过使用 Task.connect() 将参数字典连接到任务来记录它。

configuration_dict = {'number_of_epochs': 3, 'batch_size': 4, 'dropout': 0.25, 'base_lr': 0.001}
# enabling configuration override by clearml
configuration_dict = task.connect(configuration_dict)

参数字典出现在配置 > 超参数 > 常规中。

image

TensorFlow 定义出现在 TF_DEFINE 小节中。

图片

控制台​

打印到控制台的训练进度文本，以及所有其他控制台输出，显示在控制台中。

图片