tensorboard初体验

记录一下，2022-4-20，想要尝试看一下tensorboard，然后有点小失败/(ㄒoㄒ)/~~

tensorboardX 的 Github项目地址：https://github.com/lanpa/tensorboardX

这两个链接好像还不错，可以看看：

1. 在Pytorch下安装TensorBoard
2. Pytorch可视化工具tensorboardX（安装不踩坑，已修改）

---

1.安装

在某个指定环境下依次安装tensorboard、tensorboardX。

例如，我要在PyTorch环境下安装，那就需要先激活进入到PyTorch环境中。

activate PyTorch
pip install tensorboard
pip install tensorboardX

本来是只想在PyTorch中安装tensorboardX的，结果发现用不了，还是需要我再去安装tensorboard。

因为 tensorboardX 是对 tensorboard 进行了封装后，开放出来使用，所以必须先安装 tensorboard ，再安装tensorboardX（而如果不需要，可以不安装tensorflow，只是有些功能会受限）

---

（不是初体验还不是很好嘛，因为没看到Graph，所以就重新安装了一下，以后要用到的时候再试试吧，先打牢基础知识！）

（大致知道了，是看你在代码中可视化了什么部分，tensorboard中才看得到，所以按照之前那样只安装tensorboard再安装tensorboardX应该也是够用了的）

with SummaryWriter(log_dir=‘logs’,comment=‘Net’) as w:
    w.add_graph(model, (input, ))
可视化计算图，使用add_graph函数
可视化损失值，使用add_scalar函数
可视化特征图，使用add_image函数

我重新安装了一下，先安装的tensorflow（自带了tensorboard），再安装的tensorboardX。

pip install tensorflow==2.4.0 -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com
pip install tensorboardX

查看了一下当前的版本号
torch == 1.10.2
tensorflow == 2.4.0
tensorboard == 2.8.0
tensorboardX == 2.5

---

2.可能会用到的命令

(1)【解决问题】ModuleNotFoundError: No module named ‘soundfile‘

这种情况通常是没有相应的模块，下载就可以了。

tensorboardX 在 Github 上给出的 demo.py 中用到的 soundfile 模块处理音频文件，需要另行下载。

pip install [module name] -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com

(2)卸载 tensorboard 模块（替换成其他不想要的模块即可）

pip uninstall tensorboard

(3)查看tensorboard、tensorboardX的版本号

先进入到包含tensorboard、tensorboardX的环境中，再通过__version__查看。

# 激活PyTorch环境
activate PyTorch
# 进入到python编辑模式
python
# 导入库，再查看版本
import tensorboard
tensorboard.__version__	# 注意这里有两个连续的下划线，2.8.0

import tensorboardX
tensorboardX.__version__	# 2.5

3.运行

启动tensorboard服务

cd 到 logs 目录所在的同级目录，在命令行输入如下命令，logdir等式右边可以是相对路径或绝对路径。

tensorboard --logdir=logs --port 6006
#如果是Windows环境，要注意路径解析，如
#tensorboard --logdir=r'D:\myboard\test\logs' --port 6006

web展示

在浏览器输入：http://localhost:6006/

（怎么看这些数据呢？我还不会的，而且我的TensorBoard面板上为什么看不到Graph！害，再研究研究吧~）

---

可以再看一下这两位云导师的视频：

• 霹雳吧啦Wz：在Pytorch中使用Tensorboard可视化训练过程
• Bubbliiiing：Pytorch Tensorboard可视化工具（Bubbliiiing 深度学习 教程）

---

上面的 “启动tensorboard服务” 和 “web展示” 都是摘录自《Python深度学习基于PyTroch》书中。以下为全部过程：

强推这本书的电子网页：http://www.feiguyunai.com/
更细一点的地址是：http://www.feiguyunai.com/index.php/2019/06/13/python-ml-pytorch/

P130 4.4.1 tensorboardX简介

tensorboardX功能很强大，支持scalar、image、figure、histogram、audio、text、graph、onnx_graph、embedding、pr_curve and videosummaries等可视化方式。

安装也比较方便，先安装tensorflow（CPU或GPU版），然后安装tensorboardX，在命令行运行以下命令即可。

pip install tensorboardX

使用tensorboardX的一般步骤如下所示。

1）导入tensorboardX，实例化SummaryWriter类，指明记录日志路径等信息。

from tensorboardX import SummaryWriter
#实例化SummaryWriter，并指明日志存放路径。在当前目录没有logs目录将自动创建。
writer = SummaryWriter(log_dir='logs')
#调用实例
writer.add_xxx()
#关闭writer
writer.close()

【说明】

①如果是Windows环境，log_dir注意路径解析，如：

writer = SummaryWriter(log_dir=r'D:\myboard\test\logs')

②SummaryWriter的格式为：

SummaryWriter(log_dir=None, comment='', **kwargs)
#其中comment在文件命名加上comment后缀

③如果不写log_dir，系统将在当前目录创建一个 runs 的目录。

2）调用相应的API接口，接口一般格式为：

add_xxx(tag-name, object, iteration-number)
#即add_xxx(标签，记录的对象，迭代次数)

3）启动tensorboard服务：

cd 到 logs 目录所在的同级目录，在命令行输入如下命令，logdir 等式右边可以是相对路径或绝对路径。

tensorboard --logdir=logs --port 6006
#如果是Windows环境，要注意路径解析，如
#tensorboard --logdir=r'D:\myboard\test\logs' --port 6006

4）web展示

在浏览器输入：

http://服务器IP或名称:6006 #如果是本机，服务器名称可以使用localhost

便可看到logs目录保存的各种图形，图4-4为示例图。

鼠标在图形上移动，还可以看到对应位置具体数据。

有关tensorboardX的更多内容，大家可参考其官网：https://github.com/lanpa/tensorboardX。