本帖最后由 轮回过客 于 2022-5-3 16:28 编辑
各位大大好，我现在在学习用hiddenlayer可视化神经网络的训练过程（辛苦各位大大了，您指出哪里错了，给您发一个1000吾爱币的悬赏可以吗？）
现在的问题是跟着这个专栏做出来的图像是这样的（专栏地址https://zhuanlan.zhihu.com/p/220403674）
报错是这样的
但正常的出来的图像应该是这样的
下面那个绿色的东西是什么？
辛苦大佬解答一下了
下面是源码
[Python] 纯文本查看 复制代码 import hiddenlayer as hl
import time
​
# 记录训练过程的指标
history = hl.History()
# 使用canvas进行可视化
canvas = hl.Canvas()
​
# 获取优化器和损失函数
optimizer = torch.optim.Adam(MyConvNet.parameters(), lr=3e-4)
loss_func = nn.CrossEntropyLoss()
log_step_interval = 100 # 记录的步数间隔
​
for epoch in range(5):
print("epoch:", epoch)
# 每一轮都遍历一遍数据加载器
for step, (x, y) in enumerate(train_loader):
# 前向计算->计算损失函数->(从损失函数)反向传播->更新网络
predict = MyConvNet(x)
loss = loss_func(predict, y)
optimizer.zero_grad() # 清空梯度（可以不写）
loss.backward() # 反向传播计算梯度
optimizer.step() # 更新网络
global_iter_num = epoch * len(train_loader) + step + 1 # 计算当前是从训练开始时的第几步(全局迭代次数)
if global_iter_num % log_step_interval == 0:
# 控制台输出一下
print("global_step:{}, loss:{:.2}".format(global_iter_num, loss.item()))
# 在测试集上预测并计算正确率
test_predict = MyConvNet(test_data_x)
_, predict_idx = torch.max(test_predict, 1) # 计算softmax后的最大值的索引，即预测结果
acc = accuracy_score(test_data_y, predict_idx)
​
# 以epoch和step为索引，创建日志字典
history.log((epoch, step),
train_loss=loss,
test_acc=acc,
hidden_weight=MyConvNet.fc[2].weight)
​
# 可视化
with canvas:
canvas.draw_plot(history["train_loss"])
canvas.draw_plot(history["test_acc"])
canvas.draw_image(history["hidden_weight"]) | 
发表于 2022-5-3 16:24
|
发表于 2022-5-3 16:34
发表于 2022-5-3 16:39
