Pytorch使用tensorboardX可视化。超详细!!!
说明:本文转载于 https://www.jianshu.com/p/46eb3004beca
该文章只用于学习相关的知识,感谢作者提供解释
1引言
我们都知道tensorflow框架可以使用tensorboard这一高级的可视化的工具,为了使用tensorboard这一套完美的可视化工具,未免可以将其应用到Pytorch中,用于Pytorch的可视化。这里特别感谢Github上的解决方案: https://github.com/lanpa/tensorboardX。
本文主要是针对该解决方案提供一些介绍。
TensorboardX支持scalar, image, figure, histogram, audio, text, graph, onnx_graph, embedding, pr_curve and videosummaries等不同的可视化展示方式,具体介绍移步至项目Github 观看详情。
2 环境安装
本教程代码环境依赖:
python 3.6+
Pytorch 0.4.0+
tensorboardX: pip install tensorboardX、pip install tensorflow
3 代码教程
TensorboardX可以提供中很多的可视化方式,本文主要介绍scalar 和 graph,其他类型相似。
3.1 scalar教程
当我们为SummaryWriter(comment=‘base_scalar’)。生成结果为:
当我们为SummaryWriter(log_dir=‘scalar’) 添加log_dir参数,可以看到第二条数据的文件名称包括了base_scalar值。生成结果目录为:
接着解释writer.add_scalar(‘scalar/test’, np.random.rand(), epoch),这句代码的作用就是,将我们所需要的数据保存在文件里面供可视化使用。 这里是Scalar类型,所以使用writer.add_scalar(),其他的队形使用对应的函数。第一个参数可以简单理解为保存图的名称,第二个参数是可以理解为Y轴数据,第三个参数可以理解为X轴数据。当Y轴数据不止一个时,可以使用writer.add_scalars().运行代码之后生成文件之后,我们在runs同级目录下使用命令行:tensorboard --logdir runs. 当SummaryWriter(log_dir=‘scalar’)的log_dir的参数值 存在时,将tensorboard --logdir runs 改为 tensorboard --logdir 参数值
最后调用writer.close()。
点击链接即可看到我们的最终需要的可视化结果。