在tensorflow下训练模型的时候可以很方便的使用tensorboard来对整个训练过程进行可视化监控.
但在pytorch下,我们可以通过使用tensorboardX来对模型进行可视化.
github项目地址:https://github.com/lanpa/tensorboardX
这里只简单的记录一下如何记录下训练过程的loss,step.
首先PIP tensorboardX这个就不多说了
然后通过以下代码定义SummaryWriter() 实例
from tensorboardX import SummaryWriter writer = SummaryWriter(comment='wavernn')
之后通过add_scalar来添加记录点
writer.add_scalar('loss',avg_loss,step)
但是add_scalar
方法只能用来记录数字常量,关于更多的用法可以参考下https://blog.csdn.net/bigbennyguo/article/details/87956434
SummaryWriter(comment='wavernn')代表将会在目录下创建runs文件夹(默认创建),其中保存着以时间-机器名-wavernn来命名的文件夹(也可以不加comment参数).这个文件夹下保存着可视化文件.每次调用实例都会创建一个文件夹(因为时间不同).
之后, 终端下输入 tensorboard --logdir=PATH PATH就是你的可视化文件路径,不需包含文件名, 其实和tensorflow下的tensorboard是一样的.