pytorch学习笔记十四：TensorBoard

一、TensorBoard的简介与安装

TensorBoard是Tensorflow中强大的可视化工具，支持标量、图像、文本、音频和 Embedding 等多种数据可视化。可以在模型的训练过程中绘制loss曲线，监控模型的训练效果，也可以对模型的参数分布，数据分布，图像、音频等各种数据的可视化。下面是TensorBoard的一个界面：

TensorBoard是如何显示这个界面的呢？下面来看一下TensorBoard的运行机制

从上图中可看出先从python脚本中记录需要可视化的数据，然后生成eventfile文件存储到硬盘中，从终端运行TensorBoard打开web界面，读取存储在eventfile中的数据在web页面进行可视化。
下面通过代码来了解一下这个流程：

import numpy as np
from torch.utils.tensorboard import SummaryWriter


writer = SummaryWriter(comment='test_tensorboard')

for x in range(100):

    writer.add_scalar('y=2x', x * 2, x)
    writer.add_scalar('y=pow(2, x)',  2 ** x, x)
    
    writer.add_scalars('data/scalar_group', {
   "xsinx": x * np.sin(x),
                                             "xcosx": x * np.cos(x),
                                             "arctanx": np.arctan(x)}, x)
writer.close()

从torch.utils.tensorboard中导入SummaryWriter类，通过这个类创建一个writer，记录需要可视化的数据。直接运行上述代码，可能会报错，【ModuleNotFoundError: No module named ‘tensorboard’ 】和【ModuleNotFoundError: No module named ‘past’】需要安装tensorboard和past，安装命令是：

pip install tensorboard
pip install future

安装完成之后，运行代码会生成一个runs文件夹

在终端输入tensorboard --logdir=./runs，点击生成的链接，即可看到如下的界面

二、TensorBoard的使用

Tensorbord的基本使用包括准确率和损失函数的可视化，参数的数据分布以及梯度的分布，图像数据的可视化等。

</