扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
本篇文章为大家展示了MXBoard中怎么利用MXNet 实现数据可视化，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
创新互联是一家企业级云计算解决方案提供商,超15年IDC数据中心运营经验。主营GPU显卡服务器，站群服务器，四川电信机房托管，海外高防服务器，机柜大带宽，动态拨号VPS，海外云手机，海外云服务器，海外服务器租用托管等。
安装教程
安装MXNet
1pip install mxnet-cu80 --pre # Amusi的环境是CUDA8.0
安装MXBoard
1pip install mxboard
安装TensorBoard
1pip install tensorflow-gpu==1.4 tensorboard # Amusi指定了TensorFlow版本
注：要想在浏览器中可视化数据，MXBoard还必须依赖于TensorBoard，因此还需要下载安装TensorFlow和TensorBoard（TensorFlow真的很NB）
测试TensorBoard
1tensorboard --help
若成功安装，则会输出一堆tensorboard的指令提示信息，如下图所示：
测试：利用 MXBoard 来可视化 MXNet 数据
新建Python脚本文件，命名为MXBoard-Test.py
1import mxnet as mx
2from mxboard import SummaryWriter
3
4with SummaryWriter(logdir='./logs') as sw:
5 for i in range(10):
6 # create a normal distribution with fixed mean and decreasing std
7 data = mx.nd.normal(loc=0, scale=10.0/(i+1), shape=(10, 3, 8, 8))
8 sw.add_histogram(tag='norml_dist', values=data, bins=200, global_step=i)
运行该脚本文件，可在同路径下生成logs文件夹，如下图所示：
打开终端，切换到利用TensorBoard可视化
1tensorboard --logdir=./logs --host=127.0.0.1 --port=8888
根据输出提示，将http://127.0.0.1:8888网址复制粘贴到Chrome浏览器中
上述内容就是MXBoard中怎么利用MXNet 实现数据可视化，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网