同步操作将从 PaddlePaddle/VisualDL 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
可参照下列步骤排除错误原因
logdir
路径正确,并确保其下有符合命名要求(文件名包含vdlrecords
)的日志文件,可进入logdir
指定的文件夹先行查看。若未解决,转下步。--host
参数指定为0.0.0.0
或127.0.0.1
,注意后者仅支持本机查看,若在服务器启动并在异地查看,需使用0.0.0.0
并确保使用的端口可被外网访问。若未解决,转下步。为保证使用体验,防止由于数据量过大造成前端页面卡死或崩溃,在展示Image、Audio、Text组件时使用采样算法进行了数据采样后展示。
尽管数据在前端展示进行了采样,但在日志中保存的数据仍为全部数据,可通过VisualDL.LogReader
进行全部数据获取,可参考LogReader使用教程
当你发现绘制的曲线如下图所示,某个step对应的value不止一个值时,请检查你的脚本,是否在使用add_scalar
时为一个step重复添加了多次value。
可以检查一下使用的VisualDL的版本(which visualdl),因为按照此报错来看,大概率是因使用的是Python2,自动安装了VisualDL 1.3版本,但官方示例均基于2.0版本的,故导致此报错。 由于目前VisualDL已经不维护python2了,且现有官方文档上的使用说明都是基于2.0版本的,并且将不再维护旧版本,建议升级至Python3,安装最新版的VisualDL,即不会出现上述问题。
不同的需求距有不同的解决思路
file_name
参数为此日志名,则后续添加数据时都会写入此日志。为了尽量减少数据传输规模且尽可能均匀化采样,同时最小化采样所需的CPU资源占用,VisualDL使用蓄水池采样算法完成对后端所有数据采样后再向前端传输。 关于蓄水池采样的原理和证明,可参考Reservoir sampling,蓄水池采样能够通过流式采样的方式避免一次性加载所有数据到内存,且保证采样序列尽量平均。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。