pytorch：本地使用tensorboard可视化

摘要： tensorboard是tensorflow用来可视化训练和测试过程的模块，而pytorch并没有可视化模块，但是pytoch=1.2.0版本以上开始支持tensorboard。

一、 安装tensorboard

直接pip即可:

pip install tensorboard

这里注意，使用pytorch，并不需要额外安装tensorflow。

二、 使用tensorboard

记录训练的loss和测试的accuracy：

1、首先导入模块：

from torch.utils.tensorboard import SummaryWriter

2、初始化：

writer = SummaryWriter('./log')

记录的内容保存在文件夹log里面。

3、记录内容：

writer.add_scalar('loss', loss, step)
writer.add_scalar('accuracy', accuracy, step)

这里step是指步数，loss为训练误差，accuracy为测试准确率，按自己需求记录即可。

4、关闭：

writer.close()

在文件夹会log里会生成events.out.tfevents的文件，每次运行，如：

三、可视化

1、打开终端，写命令行

在本地打开终端，进入虚拟环境，写以下命令行：

tensorboard --logdir=./log

这里需要注意一下，log为刚才保存文件的文件夹，可以是相对路径，也可以是绝对路径，只要稍微注意格式即可，以下有几个注意事项：
（1）、路径./log不要加双引号,，如：–logdir=“./log”
（2）、不要使用双等号，有些博客使用了双等号，其实是错误的，如：–logdir==./log
以上写法均是错误的，正确的写法有两种，一种就是上面例子使用单个等号，另外一种是使用空格，如：

tensorboard --logdir ./log

参数除了logdir外，常用的还有：host、port。
host：ip地址
port: 端口
tensorboard的默认是：

tensorboard --logdir=./log --host=127.0.0.1 --port=6006

有些博客说预防端口被占用，常常修改端口，其实一般不需要，host和port默认就好，只需写logdir就好，即按照开头那样写即可，回车后，有：

注意：这里需要注意一下，不要着急按下”Ctrl+C“，不然无法打开http://localhost:6006/，当不需要打开http://localhost:6006/，才按下”Ctrl+C“，即断开端口。

2、打开浏览器，打开tensorboard可视化

当不需要可视化了，可以去终端按下”Ctrl+C“，关闭端口。

总结：本人使用pytorch调用tensorboard来可视化，踩了比较多坑，所以写成博客，一来总结一下经验，预防下次使用时忘记了；二来希望帮助别人，少走弯路，谢谢！