博客
关于我
SSH 端口转发查看服务器 tensorboard 内容与Terminus Port forwarding 使用
阅读量:237 次
发布时间:2019-02-28

本文共 1019 字,大约阅读时间需要 3 分钟。

SSH 端口转发与Terminus Port forwarding 的使用指南

SSH 端口转发:常规方法

要通过 SSH 访问服务器上的 TensorBoard 数据,可以使用 SSH 端口转发功能。这种方法简单且灵活,适合需要快速搭建环境的开发者。

使用 SSH 端口转发的命令

ssh -p 端口号 -L 16006:127.0.0.1:6006 usr@ipsource activate xxtensorboard --logdir=xx

工作原理

  • -p 端口号:指定 SSH 连接到服务器的端口。
  • -L 16006:127.0.0.1:6006:创建一个本地端口转发规则,将本地计算机的 16006 端口转发至服务器上的 6006 端口。
  • usr@ipsource:SSH 用户名和服务器地址。
  • activate xxtensorboard --logdir=xx:激活 TensorBoard 并设置日志目录。

查看 TensorBoard 内容

在本地浏览器中打开以下 URL 即可查看 TensorBoard 内容:

http://127.0.0.1:16006/

通过 SSH 端口转发,您可以方便地在本地计算机上访问远程 TensorBoard 的数据,实现远程数据的本地查看。


使用 Terminus 的端口转发方法

Terminus 是一种强大的 SSH 客户端工具,支持多种端口转发模式,适合需要复杂网络环境访问 TensorBoard 的开发者。

Terminus 端口转发命令示例

terminus ssh -p 端口号 -e "source activate xxtensorboard --logdir=xx" -L 16006:127.0.0.1:6006

Terminus 的优势

  • 灵活性:支持多种端口转发模式,包括本地转发和动态代理。
  • 自动化配置:可以通过脚本化方式自动化配置环境。
  • 高效性:相比 SSH 直接使用,Terminus 的性能更优。

使用两种方法的对比

方法 优点 缺点
SSH 端口转发 简单易用,支持所有 SSH 客户端 需要手动管理会话和端口
Terminus 端口转发 高效性强,自动化支持 学习曲线稍陡

总结

无论是使用 SSH 端口转发还是 Terminus,核心目标都是通过本地浏览器访问远程 TensorBoard 的数据。选择哪种方法取决于您的具体需求和工具偏好。

转载地址:http://znvi.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>