https://github.com/fiercex/email_monitor_mxnettrain

用邮件监控Mxnet训练
https://github.com/fiercex/email_monitor_mxnettrain

mxnet

Last synced: 4 days ago
JSON representation

用邮件监控Mxnet训练

• Host: GitHub
• URL: https://github.com/fiercex/email_monitor_mxnettrain
• Owner: fierceX
• License: mit
• Created: 2017-10-12T02:08:01.000Z (about 7 years ago)
• Default Branch: master
• Last Pushed: 2017-10-18T14:14:01.000Z (about 7 years ago)
• Last Synced: 2024-11-08T19:41:57.538Z (8 days ago)
• Topics: mxnet
• Language: Python
• Homepage:
• Size: 97.7 KB
• Stars: 8
• Watchers: 2
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# Email_Monitor_MxnetTrain

## 使用Email监控Mxnet训练

受到小伙伴们的使用微信监控训练的启发，就动手做了个使用邮件监控Mxnet训练的例子  

刚开始使用Pyhton，有些地方可能写的不太好。轻喷  

由于在查多线程的时候，发现Python的多线程受到GIL的影响，多线程会有一些性能局限。所以在这里我另开了一个进程来训练，为了保证训练性能不受影响。  

新加了基于责任链模式的命令解析模块

- EmailNN  

  主要启动代码,包含循环监控邮箱,启动命令解析

- EmailTool  

  自己封装的一些处理邮件的函数

- NN_Train  

  深度学习训练主要代码

- CmdAnalysis

  命令解析模块，包含责任链基类，和责任链前台类以及一些基本的命令解析

- Global

  全局变量模块，用于保存全局变量

## 使用

在Global里配置好自己的邮箱地址,密码和pop,smtp地址  

在NN_Train配置好需要训练的网络和数据等  

在CmdAnalysis里可以修改命令解析，若要新加解析命令，只需要继承`BaseCmd`，并使用`CmdAnaly`类的`Add`方法添加到责任链里即可  

最后启动`EmailNN`即可  

详细解释参见源码和[这里](https://fiercex.github.io/post/email_monitor_mxnettrain/)

 

邮件发送:  

- 训练  

    - 主题为: train  

    - 参数设置  

    各个训练参数和参数值中间空一空格,每个参数和参数值一行

        - ep:  

        epoch

        - lr:  

        learning_rate

        - bs:  

        batch_size

        - wd:  

        weight_decay  

- 设置图片及文件名

  - 主题为: setname

  - 参数设置

  和训练参数设置规则一样

    - dir:

    路径

    - params:

    参数文件名

    - png:

    图片文件名

- 终止监控:

    - 主题为: exit

## 效果

发送的命令

![1](./1.PNG)

正在训练的时候在发送会提示训练正在进行中

![2](./2.PNG)

训练结束会发送训练日志和曲线图以及使用的参数

![3](./3.PNG)

训练曲线图

![4](./4.PNG)