TensorBoard的使用

TensorBoard简介：

TensorBoard是一个用于可视化和理解深度学习模型的工具。它是TensorFlow深度学习框架的一部分，用于可视化模型的训练过程、模型结构、数据分布等信息，帮助开发者更好地理解和调试他们的模型。

TensorBoard提供了以下功能：

1. 训练过程可视化：TensorBoard可以展示模型的训练过程中的损失值、准确率等指标的变化情况，以帮助开发者监控模型的训练进展。

2. 模型结构可视化：TensorBoard可以可视化展示模型的计算图，包括各个层的连接关系、参数数量等信息，帮助开发者更好地理解模型的结构。

3. 数据分布可视化：TensorBoard可以展示模型输入数据的分布情况，帮助开发者了解数据的特征和分布情况。

4. 嵌入向量可视化：如果模型包含嵌入向量（如Word2Vec），TensorBoard可以将这些嵌入向量可视化为二维或三维空间中的点，帮助开发者观察和理解嵌入向量之间的关系。

安装TensorBoard：

点击控制台中的Terminal终端，进入pytorch环境。

输入代码：

pip install tensorboard

点击回车

显示successfully installed ,代表安装成功。

TensorBoard的使用：

从torch.utils.tensorboard中导入SummaryWriter类

from torch.utils.tensorboard import SummaryWriter

按住ctrl点击SummaryWriter，进入该类的使用方法

下面使用其测绘y=x的图表（write.add_scalar的使用）：

代码：

#从torch.utils.tensorboard中导入SummaryWriter类
from torch.utils.tensorboard import SummaryWriter

write=SummaryWriter('logs')
# 测绘y=x的图表
for i in range (100):
    write.add_scalar('y=x',i,i)

write.close()

运行代码之后，在左侧的项目框中会出现logs事件文件：

如何打开事件文件：

同样是在pycharm的控制台的终端窗口，输入代码：

tensorboard --logdir=chap1_TensorBoard/logs --port=6007

其中logdir后的地址为logs的绝对地址

tensorboard --logdir=logs --port=6007  #logs为绝对地址

--port=6007为指定的端口地址

点击回车运行，会出现端口地址，单击打开：

即会出现如下图表：

TensorBoard不仅适用于TensorFlow，还可以与其他深度学习框架（如PyTorch）结合使用。只需要将相关的日志数据写入到TensorBoard支持的格式中即可。