如何利用Tensorboard以可视化的方式查看训练的“过程资产”（目标函数、结果、AUC等等）

将训练过程资产发挥极致

机器学习、深度学习过程中，只得到结果是不行的，有很重要的过程数据可以通过tensorboard的方式可视化，如目标函数值、AUC、results。

接下来是如何使用

1 需要创建日志文件

日志文件可以往里面填写数据，需要两个环境，tensorboard与tensorboardX，还是为了调用里面的SummaryWriter来填写内容。

tensorboard与tensorboardX的安装

*要保证环境里有相应的依赖啊*

pip install tensorboard

pip install tensorboardX

2 编写测试文件

新建一个testTensorboardEvent.py文件，

import numpy as np
from tensorboardX import SummaryWriter

writer = SummaryWriter();
# 这里可以设置路径的，但是不填写也会有默认路径，就是当前执行文件的同级目录，会自己创建一个文件，详情看效果。

for epoch in range(1000):
    writer.add_scalar('scalar/No_1', np.random.rand(), epoch);
    # 第一行这个add_scalar是添加折叠栏"scalar"下标签为"No_1"的图。
    writer.add_scalar('graphs/No_2', np.random.rand()/333, epoch);
    # 第二行这个add_scalar是添加折叠栏"graphs"下标签为"No_2"的图。
    writer.add_scalars('scalar/Others', {'xsinx': epoch * np.sin(epoch), 'xcosx': epoch * np.cos(epoch)}, epoch);
    # 第三行这个add_scalars是添加折叠栏"scalar"下标签为"No_1"的图，这个会得到多个图，还有一个汇总结果。
    # 等下看效果就好。

writer.close();

里面的np.random.rand()就可以替换为大家所需要可视化的数据，(资料需要保密，不能展示更多，还请见谅)

3 运行测试文件

得到以下结果，“events.out.tfevents.**.”就是咱们要的日志文件。

下图中单个文件就是对应的单图，而文件夹就是上面提到的多图处理。

4 可视化准备工作

在这里我遇到的问题，我是在服务器上运行的，所以将其copy到本机中了，如果与我情况相同，别忘了在本机中也要添加tensorboard的依赖。

放在C盘，我怎么试也不行，会有问题，但是放在其他磁盘，都可以正常操作，这里我放到了F盘中。（目录中最好别有中文）
准备工作完毕了。

5 可视化命令

在Anaconda中打开“Anaconda Prompt ”，然后切换到有tensorboard的环境。

tensorboard --logdir=F:\log
# 这个logdir=后面的内容，是存放事件文件的目录，而不是事件文件本身，此例中events文件存放在F盘的log文件夹中。

结果像这个样子

6 查看结果

打开浏览器，复制上图中at后面的地址，打开。

如果浏览器中打不开，里面提示没有任何内容，则将步骤5中的可视化命令改为

tensorboard --logdir=F://log
# 将之前的“\”改为“//”

7 使用结果

这些结果中，有一些快捷键，

• 在图中直接用鼠标选中一小块区域可以放大
• 按住Alt键滚动鼠标滑轮可以放大与缩小
• 按住Alt键鼠标左键点击可以进行拖动

(希望对各位学习的朋友们有所帮助)