【pytorhc的可视化工具】利用tensorboard_logger进行学习数据可视化

1tensorboard_logger

tensorboard_logger官网
根据官网的信息，可以知道tensorboard_logger的作用是在不需要TensorFlow的时候记录TensorBoard事件，是TeamHGMemex开发的一款轻量级工具，它将Tensorboard的工具抽取出来，使得非tf用户也可以使用它进行可视化，不过功能有限，但一些常用的还是可以支持。好像更加复杂的为tensoboardX，过段时间再去尝试安装一下吧。
其官方使用样例为

from tensorboard_logger import configure, log_value

configure("runs/run-1234")

for step in range(1000):
    v1, v2 = do_stuff()
    log_value('v1', v1, step)
    log_value('v2', v2, step)

主要为log_value记录数据。

2 Installation

2.1 CPU版本tensorflow

官网的意思是需要先安装TensorFlow：它需要编写事件和查看TensorBoard。（it is required both for writing events and for viewing them with TensorBoard.）但是我觉得他实际是写不需要TensorBoard，读需要吧。
网上找相关博客，一般建议安装cpu-onlu版本（因为pytorch安装的是GPU版本，避免在同一个虚拟环境下包冲突），我使用anaconda在虚拟环境下安装

conda install tensorflow# （默认是cpu版本）。

安装完后在该虚拟环境中验证

Python
import tensorflow as tf
a=tf.constant([1.0,2.0],name=“a”)
b=tf.constant([3.0,4.0],name=“b”)
result=a+b
sess= tf.Session()
sess.run(result)

结果array([4., 6.], dtype=float32)

说明已经安装成功了tensorflow

2.2 安装tensorboard_logger：

安装十分简单，可以通过

pip install tensorboard_logger

命令直接安装，默认就是CPU的版本

3测试：

需要进入已经安装了该环境的虚拟环境中，然后使用下面的代码

tensorboard --logdir <your/running/dir> --port <your_bind_port>

这里我使用的是

tensorboard --logdir C:\Users\Admin\PycharmProjects\Net-rotate-3900train/ --port 1234

输出结果为

Starting TensorBoard b'54' at http://Workstation:6006
(Press CTRL+C to quit)

谷歌浏览器打开：

http://Workstation:6006

就可以使用啦