Tensorboard的使用
TensorBoard 是一个用于可视化和分析 TensorFlow 训练过程的工具。它提供了一种图形化界面,使得数据科学家和机器学习工程师能够更好地理解和调试他们的模型,判断模型训练过程中的状态和是否符合预期。
环境配置
先进入PyTorch环境,依次输入运行
conda activate PyTorch
pip install tensorboard
pip install torch-tb-profiler -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
然后导入 SummaryWriter 模块,创建一个SummaryWriter对象由于绘图
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
add_scalar()使用讲解
先看效果,输入下方代码后运行,会在当前位置创建一个log文件
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
writer = SummaryWriter("logs")
# y = x
for i in range(100):
writer.add_scalar("x=y",i,i)
# y = 4x
for i in range(100):
writer.add_scalar("x=4x",i,4*i)
writer.close()
然后点击“启动Tensorboard会话”,在弹出来的三个选项选择在当前工作目录,它会查找当前目录及子目录中的tfevent文件,即logs文件夹中的文件
参数讲解
按住Ctrl点击add_scalar,可看详细介绍
先了解三个参数: tag scalar_value global_step
- tag 相当于图表的名字
- scalar_value 相当于图表的y轴
- global_step 相当于图表的x轴
若连续对相同图表写入数据,数据并不会板板正正的输出到图表中,而是会进行拟合,如下列代码所示
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
writer = SummaryWriter("logs")
# y = x
for i in range(100):
writer.add_scalar("x=y",i,i)
# y = 4x
for i in range(100):
writer.add_scalar("x=y",i,4*i)
writer.close()
所以,如果你想看到新写好的图像,而不是还含有对久数据的拟合,可以将logs文件夹删掉,再运行代码