指標¶
關於指標，我們建議使用 Tensorboard 將指標記錄到雲端儲存空間，與您的模型並列。隨著模型訓練，您可以在本地端啟動 Tensorboard 實例，以監控模型進度
$ tensorboard --log-dir provider://path/to/logs
您也可以將 torchx.components.metrics.tensorboard() 元件用於您的管線。
請參閱 Trainer 範例，了解如何使用 PyTorch Lightning TensorboardLogger。
參考文獻¶
PyTorch Tensorboard Tutorial https://pytorch.dev.org.tw/tutorials/intermediate/tensorboard_tutorial.html
PyTorch Lightning Loggers https://pytorch-lightning.readthedocs.io/en/stable/extensions/logging.html
- torchx.components.metrics.tensorboard(logdir: str, image: str = 'ghcr.io/pytorch/torchx:0.7.0', timeout: float = 3600, port: int = 6006, start_on_file: str = '', exit_on_file: str = '') AppDef[來源]¶
這個元件會執行一條 Tensorboard 伺服器，這條伺服器會提供 logdir 所指定的紀錄。
由於 Tensorboard 會以服務的形式執行，因此您需要指定終止條件。這些條件包括一個逾時，以及一個選用的
exit_on_file，這個檔案路徑一旦建立就會讓服務退出。檔案會透過 fsspec 定期進行存在的輪詢，並在建立時觸發對應的行為。
- 參數:
logdir – fsspec 路徑前往 Tensorboard 記錄
image – 要使用的圖片
timeout – 結束前要執行的最大時間 (秒)
start_on_file – 在建立 fsspec 路徑時啟動伺服器
exit_on_file – 在建立 fsspec的路徑時關閉伺服器
