Skip to main content

PyTorch MNIST

pytorch_mnist.py 示例 展示了如何将 ClearML 集成到使用 PyTorch 的代码中。

示例脚本执行以下操作：

  • 在PyTorch内置的MNIST数据集上训练一个简单的深度神经网络。
  • 在examples项目中创建一个名为pytorch mnist train的实验。
  • ClearML 自动记录 argparse 命令行选项，以及由 PyTorch 创建的模型（及其快照）。
  • 通过调用Logger.report_scalar()记录额外的指标。

标量​

在示例脚本的 train 函数中，以下代码明确将标量报告给 ClearML：

Logger.current_logger().report_scalar(
    "train", "loss", iteration=(epoch * len(train_loader) + batch_idx), value=loss.item()
)

在test方法中，代码明确报告了loss和accuracy标量。

Logger.current_logger().report_scalar(
    "test", "loss", iteration=epoch, value=test_loss
)
Logger.current_logger().report_scalar(
    "test", "accuracy", iteration=epoch, value=(correct / len(test_loader.dataset))
)

这些标量可以在图中可视化，这些图会出现在ClearML的web UI中，位于实验页面的> SCALARS部分。

image

超参数​

ClearML 自动记录使用 argparse 定义的命令行选项。它们会出现在 配置 > 超参数 > 参数 中。

image

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。

image

工件​

实验创建的模型会出现在实验的ARTIFACTS标签中。ClearML 会自动记录和跟踪使用 PyTorch 创建的模型及其任何快照。

image

点击模型名称将带您到模型的页面，在那里您可以查看模型的详细信息并访问模型。

image