livelossplot

livelossplot

目隠しされた深い学習モデルを訓練しないでください！焦り、トレーニングの各エポックを見てください！

（最近の変更、コラブの例、APIルックアップ、コード）

Keras、Pytorch、その他のフレームワークのためのJupyterノートブックのライブトレーニング損失プロット。 PiotrMigdał、BartłomiejOlechnoなどによるオープンソースPythonパッケージ。コラボレーションのためにオープン！ （いくつかのタスクはコードdocstringsを書くのと同じくらい簡単なので、言い訳はありません！:)）

 from livelossplot import PlotLossesKeras

model . fit ( X_train , Y_train ,
          epochs = 10 ,
          validation_data = ( X_test , Y_test ),
          callbacks = [ PlotLossesKeras ()],
          verbose = 0 )

• （最もFA）Q：テンソルボードはなぜですか？
• A：Jupyterノートブックの互換性（探索と教育用）。使用のシンプルさ。

インストール

このバージョンをPYPIからインストールするには、タイプします。

pip install livelossplot

このリポジトリから最新のものを取得するには（アルファステージにいるので、頻繁に更新される可能性があることに注意してください）、入力してください。

pip install git+git://github.com/stared/livelossplot.git

例

完全に機能する例を備えたノートブックファイルを見てください：

• keras.ipynb-ケラスコールバック
• minimal.ipynb-どこでも使用する裸のAPI
• Bokeh.ipynb-裸のAPI、Bokehとのプロット（コラブでそれを開いてプロットを見る）
• pytorch.ipynb -pytorchに適用される裸のAPI
• 2D_PREDICTION_MAPS.IPYNB-カスタムプロットの例-2D予測マップ（0.4.1+）
• poutyne.ipynb-プーチンコールバック（プーティンはピトルチのケラスのようなフレームワークです）
• torchbearer.ipynb-トーチベアラーの組み込み機能を使用した例（TorchbearerはPytorchのモデルフィッティングライブラリです）
• Neptune.py and Neptune.ipynb -a neptune.ai
• matplotlib.ipynb -matplotlib出力の例
• さまざまな_options.ipynb-メトリックのグループ化とカスタム出力用の拡張API

コラブで例を実行します。

概要

テキストログは簡単ですが、最も重要な情報を見逃すのは簡単です。学習、何もしていないのか、過剰に装備しているのか？視覚的なフィードバックにより、トレーニングプロセスを追跡できます。 Jupyter用のものがあります。

真剣になりたい場合 - テンソルボードを使用してください。しかし、Jupyterノートブックで小さなモデルを訓練したい場合はどうでしょうか？ livelossplotプラグ＆プレイコンポーネントとして使用して、これを行う方法があります

livelossplotのインポートから...

一般的なAPIのPlotLosses 。

 plotlosses = PlotLosses()
plotlosses.update({'acc': 0.7, 'val_acc': 0.4, 'loss': 0.9, 'val_loss': 1.1})
plot.send()  # draw, update logs, etc

一般的なライブラリとフレームワークのコールバックがあります： PlotLossesKeras 、 PlotLossesKerasTF 、 PlotLossesPoutyne 、 PlotLossesIgnite 。

あなたのアダプターを書いて貢献するように招待されたと感じてください。裸のロガーを使用したい場合は、 MainLoggerがあります。

livelossplot.outputsインポートから...

プロット： MatplotlibPlot 、 BokehPlot 。

ロガー： ExtremaPrinter （標準出力まで）、 TensorboardLogger 、 TensorboardTFLogger 、 NeptuneLogger 。

それらを使用するには、いくつかの出力でプロットロスを初期化します。

 plotlosses = PlotLosses(outputs=[MatplotlibPlot(), TensorboardLogger()])

livelossplot.outputs.matplotlib_subplotsには、 MatplotlibPlot引数に渡すことができるカスタムmatplotlibプロットがあります。

Matplotlibの代わりにBokehでプロットしたい場合は、使用してください

 plotlosses = PlotLosses(outputs=[BokehPlot()])

スポンサー

このプロジェクトは、JacekMigdał、Marek Cichy、Casper da Costa-Luis、およびPiotr Zientaraによってサポートされています。スポンサーに参加してください - あなたの❤️とサポートを見せて、リストに掲載されてください！このプロジェクトに取り組む時間とエネルギーが与えられます。

このプロジェクトは、GearshiftのヨーロッパプログラムプログラムOperacyJny InteligentnyRozwójによってサポートされています。これは、ECCゲーム（NCBR Grant Gameinn）がリードするUnreal Engine Platformに実装された人工知能アルゴリズムに基づいて、車輪付きの自動車とMAPの生成の動作のエンジンを構築します。

トリビア

この要点として始まりました。人気があったので、私はそれをパッケージとして書き直すことにしました。

ああ、私は一般的にデータvisに興味があります。複雑なニューラルネットワークの簡単な図（および深い学習アーキテクチャ図の概要）を参照してください。

良い図は千の方程式の価値があります - これらをもっと作成しましょう！

...または私の他のデータvisプロジェクト。

トト

より多くの機能が必要な場合 - 問題を開くか、さらに良いことに - プルリクエストを準備します。