目录
1、Tensorboard介绍
数据的可视化,对于模型分析和优化至关重要。tensorflow框架可以使用tensorboard可视化的工具,同样,tensorboard也可用于Pytorch的可视化。TensorboardX支scalar, image, figure, histogram, audio, text, graph(模型)等不同的可视化展示方式。
2、安装Tensorboard
pip install tensorboard
3、代码demo
主要讲解add_scalar和add_image两种功能。
from torch.utils.tensorboard import SummaryWriter
import numpy as np
import matplotlib.pyplot as plt # 可以理解为画板
writer = SummaryWriter("logs")
img = np.zeros((3, 100, 100))
img[0] = np.arange(0, 10000).reshape(100, 100) / 10000
img[1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000
img_HWC = np.zeros((100, 100, 3))
img_HWC[:, :, 0] = np.arange(0, 10000).reshape(100, 100) / 10000
img_HWC[:, :, 1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000
plt.figure("beauty")
plt.title('origin')
plt.imshow(img_HWC)
plt.axis('on')
plt.show()
for i in range(10):
writer.add_scalar('y=5x', i * 5, i)
writer.add_image('my_image', img, 0)
tensorboard --logdir=logs
浏览器打开中的结果,下图展示多次事件的结果。