visdom是一种灵活的工具，用于创建、组织和共享实时丰富数据的可视化。 支持Torch和Numpy。（A flexible tool for creating, organizing, and sharing visualizations of live, rich data. Supports Torch and Numpy.）本文件包含正确启动visdom服务所需文件。均在visdom/static文件夹下。
2021-11-02 23:18:08
1.1MB
1
解决执行 python -m visdom.server 时，出现 Downloading scripts, this may take a little while 的问题
2021-10-26 18:04:22
1.22MB
1
visdom库的相关文件，详细内容可参考博客https://blog.csdn.net/didi_ya/article/details/108364679
2021-10-02 16:10:21
715KB
1
visdom蓝屏必须的static文件，下载后，进行解压，解压到本地文件夹，然后替换到visdom文件夹下就可以了
我设定的是2积分就可以了，但是发现下载的人怎么7积分的都有，我也不知道为什么
2021-09-25 18:46:33
1.07MB
1
使用nohup将训练程序后台不间断运行+随时查看训练情况输出与可视化使用服务器进行远程训练nohup指令和查看输出缺省输出文件的写法指定输出文件的写法和CUDA一起用实时查看out配合visdom使用
使用服务器进行远程训练
由于笔者经常需要使用服务器进行训练，且有些模型训练起来需要很长的时间，如Mask模型，故经常需要长期跑程序。由于我使用的是ssh登录，因此断网或者退出账号时程序就会被kill。总结了以下常用的远程训练指令，帮你可以不间断的训练模型，并且随时可以查看模型可视化结果。
nohup指令和查看输出
nohup 是 no hang up 的缩写，就是不挂断的意思。
nohup命令：
2021-09-23 16:52:39
53KB
1
pytorch-multi-label-classifier
引言
实现的用于多标签分类的分类器。 您可以轻松地train ， test多标签分类模型并visualize训练过程。 以下是可视化单标签分类器训练的示例。 如果您有多个属性，则毫无疑问，每个属性的所有损失和准确性曲线将在Web浏览器上有序显示。
失利
准确性
模块
data
数据准备模块，包括读取和转换数据。 所有数据label.txt以某种预定义的格式存储在data.txt和label.txt ，如下所述。
model
脚本来构建多标签分类器模型。 您的模范样板应该放在这里。
options
训练测试和可视化选项在这里定义
util
webvisualizer ：一个用于可视化的每个属性的损失和准确性基于可视化工具
util ：项目中使用的其他功能
html ：在webvisualizer中使用。
test
mn
2021-07-19 14:22:11
5.23MB
1
在安装visdom后需要下载server.py文件中指定的css和js文件，本资源已将所需文件全部下载齐全，目录结构也创建完成，下载即可使用，亲测有效
2021-04-26 19:07:52
1.28MB
1