PyTorch Ignite TensorboardLogger

cifar_ignite.py 示例脚本将 ClearML 集成到使用 PyTorch Ignite 的代码中。

示例脚本执行以下操作：

• 在CIFAR10数据集上训练神经网络以进行图像分类。
• 在examples项目中创建一个名为image classification CIFAR10的ClearML 任务。
• 调用Task.connect方法来跟踪实验配置。
• 使用 ignite 的 TensorboardLogger 并附加处理程序。参见 TensorboardLogger。

ClearML的自动日志记录功能捕获信息并使用TensorboardLogger记录输出。

超参数​

参数通过Task.connect方法显式报告给ClearML。

params = {'number_of_epochs': 20, 'batch_size': 64, 'dropout': 0.25, 'base_lr': 0.001, 'momentum': 0.9, 'loss_report': 100}
params = task.connect(params)  # enabling configuration override by clearml

超参数配置可以在WebApp的实验配置选项卡中查看。

Ignite TensorboardLogger​

TensorboardLogger 是一个用于在训练模型时记录指标、参数和梯度的处理器。当 ClearML 集成到使用 TensorboardLogger 的脚本中时，通过该处理器记录的所有信息都会被 ClearML 自动捕获。

标量​

ClearML 自动捕获通过 TensorboardLogger 记录的标量。

在ClearML Web UI的SCALARS中查看实验页面中的标量。

模型快照​

ClearML 自动捕获使用 Torch 记录的模型，并将其保存为工件。

在实验的ARTIFACTS标签中查看保存的快照。

要查看模型，请在ARTIFACTS选项卡中点击模型名称（或下载它）。

调试示例​

ClearML 自动跟踪记录到 TensorboardLogger 的图像。它们会出现在 DEBUG SAMPLES 中。

Ignite ClearMLLogger​

PyTorch Ignite 还支持专用的 ClearMLLogger 处理程序，用于在训练和验证期间记录指标、文本、模型/优化器参数、图表和模型检查点。

欲了解更多信息，请参阅PyTorch Ignite ClearMLLogger示例。