深度学习分类任务常用评价指标

最新推荐文章于 2026-06-23 11:57:58 发布
原创 最新推荐文章于 2026-06-23 11:57:58 发布 · 381 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#深度学习 #人工智能
本文介绍如何将训练好的项目从服务器转存至本地，并通过TensorBoard查看训练和验证集的日志。首先，需将项目文件从服务器指定目录转存至本地，然后使用conda激活对应的环境并启动TensorBoard服务。

首先进入自己训练完成的项目文件
我是用服务器跑的，所以项目保存在/mnt目录下
之后找到黄色框里面的内容转存在自己本地的文件下面
在这里插入图片描述

转存到本地文件
在这里插入图片描述

之后复制本地文件路径并在终端打开
定位到文件上层目录
如图所示
在这里插入图片描述

之后输入ls，就可看到文件出现在终端在这里插入图片描述
之后输入tensorboard --logdir .
在这里插入图片描述

这里提示出错bash: tensorboard: command not found
错误原因是在（base）下运行，我们换到项目所用的环境即可
输入conda activate pytorch
之后再输入tensorboard --logdir .即可
在这里插入图片描述

最后点击框内的locahost地址进入即可
在这里插入图片描述

train_/val_分别代表的是训练集和测试集

在这里插入图片描述

深度学习分类任务评估指标总结
shine的博客
09-18 1459
之前学习了机器学习与深度学习，对于这方面内容也是多有涉猎，但昨天经过师兄的问答考核惊觉自己对于这些评估指标概念并不能很好地表达出来，有种话到嘴边不知道该怎么讲的局促，一些专业术语不知道如何表述，我想这也是我的问题，显得很不专业，因此决定总结一下分类任务中的各类评价指标，当下温习，并供日后学习及参考。 混淆矩阵 混淆矩阵是在分类情况下最为常用的一个指标，是一个可视化工具，在矩阵表格中我们可以很清楚地看到每个类别被识别正确的数量和识别错误的数量。它能够很好地反映一个分类模型的...
【Scikit-Learn 中文文档】预测延迟 / 预测吞吐量 / 技巧和窍门 - 计算性能 - 用户指南 | ApacheCN
妳那伊抹微笑的专栏
11-30 950
7. 计算性能 对于某些 applications （应用），estimators（估计器）的性能（主要是 prediction time （预测时间）的 latency （延迟）和 throughput （吞吐量））至关重要。考虑 training throughput （训练吞吐量）也可能是有意义的，但是在 production setup （生产设置）（通常在脱机中运行）通常是不太重要的。 我们将在这里审查您可以从不同上下文中的一些 scikit-learn estimators（估计器）预期的数量级
如何计算？参数量、计算量、推理速度
idol24的博客
11-13 4327
作者丨龟壳@知乎编辑丨极市平台来源丨https://zhuanlan.zhihu.com/p/3769254571.FLOPs和Params计算1.1概念理解FLOPS： 注意全大写，是...
bash: tensorboard command not found...
ajing2014的专栏
11-07 1万+
Centos下已安装tensorflow，想通过tensorboard查看训练网络保存的log文件，在tensorflow环境下，输入命令： tensorboard --logdir=logs/ 得到：bash: tensorboard command not found... 解决方法 step 1：查找tensorboard的安装路径 使用pip show tensorflow-gp
tensorboard: command not found 命令报错 | 简记
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
11-16 1万+
本博文对使用 tensorboard 进行可视化时可能遇到的错误信息进行总结如下： 运行 tensorboard --logdir gen --bind_all 时报错如下：tensorboard: command not found 解决方法如下： pip install tensorboard
sklearn.metrics.classification_report模块使用与指标分析(生成混淆矩阵评价分类指标)
热门推荐
comway_Li的博客
10-26 3万+
一、引言 在深度学习中，分类任务评价指标是很重要的，一个好的评价指标对于训练一个好的模型极其关键；如果评价指标不对，对于任务而言是没有意义的。 一般都是用准确率来作为评价指标，然而对于类别不均衡的任务来说，或者在任务中某一个类的准确率非常重要。如果再使用单纯的准确率肯定是不合理的，对任务来说 没有意义。所以我们需要一个好的评价指标来。目前一般都是用精准率，召回率，...
深度学习分类任务评价指标
ZONGXP的博客
06-25 1万+
参考：https://www.jianshu.com/p/b960305718f1 在做图像识别相关任务时，对于识别效果没有提出明确的评价指标或预期目标，调试时单纯依靠“感觉”调参，显然不是一种合理的方法，因此整理相关评价指标，作为参数调试的相关依据。 根据深度学习的任务不同，评价标准也不同，分类任务和回归任务的评价指标如下 分类：accuracy、误分类率、precision、recal...
深度学习分类任务评价指标——总结1
Fighting Hua
09-17 460
0 分类问题评价指标 混淆矩阵 混淆矩阵：Actual ：实际的正类或父类； Predicted  ： 预测的；1 ：正类  0：父类   predictedpredicted   10 Actual  1TPFN Actual   :0FPTN   ...
解决本地tensorboard找不到命令的问题
Daniel2333的博客
05-07 2万+
问题描述ubuntu16.04系统，通过pip安装了tensorflow的cpu版本，在terminal中输入tensorboard时提示找不到命令原因TODO解决办法直接通过tensorboard.py启动tensorboard：python .local/lib/python2.7/site-packages/tensorflow/tensorboard/tensorboard.py --log
pytorch tensorboard 可视化 .tensorboard: command not find
weixin_44956310的博客
03-26 4366
1. 先安装相应的库 pip3 install tensorboardX pip3 install tensorboard 2 tensorboard： command not found 问题 运行tensorboard tensorboard --logdir='path_to_data' --port port_num port_num 可以指定端口号。但是可能会遇到 command not found 的问题。 下面是解决方案 1）先检查是否安装tensorflow, 因为tensorboar
-bash: tensorboard: command not found
一颗小甜心的博客
04-10 1346
在终端输入 tensorboard --logdir logs 报错：-bash: tensorboard: command not found 解决办法： 先激活环境为TensorFlow，再tensorboard --logdir logs source activate tensorflow tensorboard --logdir logs ...
安装pytorch后使用tensorboardX出现“tensorboardX：未找到命令”错误
jainszhang的博客
03-12 1万+
问题描述：安装玩pytorch后，使用tensorboardX出现错误 “tensorboardX：未找到命令” 这是因为没有安装tensorflow引起的，tensorboardX是在tensorboard的基础上做出来，需要tensorflow支持。 使用如下命令安装tensorflow： pip install tensorflow pip install tensorflow-g...
Pytorch | 解决tensorboard无法启动和显示问题
yatingliu的博客
08-24 3210
解决tensorboard无法启动和显示问题
动态环境感知和追踪
a704838294的博客
05-25 652
cd 到tensorboard的目录下 python3 main.py --logdir=/home/aaa/test/语言模型/log
tensorboard: command not found（已解决）
花木兰
09-09 1万+
背景可视化tensorflow 数据流图时 命令行输入 tensorboard --logdir=‘my_graph’ 报错： bash: tensorboard: command not found solution 使用绝对路径 python3 /Users/cyy/Library/Python/3.7/lib/python/site-packages/tensorboard/mai...
深度学习知识点
最新发布
06-23 231
但一个“全连接网络”如果不包含隐藏层（比如只有输入直接映射到输出的单层感知机），或者结构上不满足多层非线性变换的条件，那它。这 m 个数据必须要有 m 个输入神经元来“接住”它们，然后分别通过 m 条独立的连接线（权重），传递给下一层（第一个隐藏层）的每一个神经元。假设你的数据集是一个表格，有 m 列（比如：年龄、工资、身高），那么你的输入特征维度就是 m。这种层与层之间的“两两相连”就是“全连接”名称的由来。3.多层感知机的第一层的神经元的数目等于输入特征向量的维度。1.全连接网络是指神经网络中的。
学习长短期记忆网络lstm
qq_52122048的博客
06-17 464
Ct可能是-2到2之间，所以后面再来一个tanh缩小范围-1到1之间。
Python全栈项目--基于深度学习的自动驾驶模拟系统
exlink2012的专栏
06-17 757
本文介绍了一个基于深度学习的自动驾驶模拟系统全栈项目，包含以下核心内容： 系统架构：采用前后端分离设计，Python+FastAPI处理后端逻辑和深度学习模拟，Vue3构建前端交互界面。 功能模块： 用户认证（JWT+bcrypt加密） 场景配置（道路类型/天气/交通密度） 自动驾驶模拟（车道线识别/障碍物检测/碰撞风险评估） 数据看板展示 技术特点： 轻量级SQLite数据库存储 完整的认证流程实现 可扩展的深度学习模拟框架 响应式前端界面 学习价值：项目提供了完整的开发流程和可运行源码，适合作为深度学习
LSTM预判+速度门控双保险自愈
2301_77211362的博客
06-21 236
模块功能LSTM 预判预警分析历史通量/应力序列，预测未来失稳风险（如裂纹萌生）Speed-Gated 自愈实时监测通量变化率（速度），当超过阈值时自动增强修复强度双重触发机制满足任一条件（预判高风险 或 实际失稳）即启动自愈动态调节自愈强度随风险等级与速度同步变化。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值