TensorBoard在PyTorch项目中使用

• 安装tensorboard和torch包

pip install tensorboard torch

• 导入必要的库：

from torch.utils.tensorboard import SummaryWriter

• 在训练代码中创建一个SummaryWriter实例。这将用于将数据写入TensorBoard。也可以指定一个目录，用于存储所有的日志文件：

writer = SummaryWriter('runs/experiment_name')

将'runs/experiment_name'替换为你想要保存日志的目录。多次运行实验时，可以更改实验名称以便在TensorBoard中区分不同的运行。

• 使用

SummaryWriter的方法记录所需的数据。例如，可以记录标量（如损失值和准确率）、图像、直方图等。以下是一些常用方法：

• add_scalar(tag, scalar_value, global_step): 记录标量值。
• add_image(tag, img_tensor, global_step): 记录图像。
• add_histogram(tag, values, global_step): 记录直方图。

在训练循环中添加这些方法，例如：

for epoch in range(num_epochs):
    for batch_idx, (data, targets) in enumerate(train_loader):
        # Train model...
        # Calculate loss and accuracy...

        writer.add_scalar('Loss/train', loss, global_step)
        writer.add_scalar('Accuracy/train', accuracy, global_step)

        global_step += 1

• 在训练完成后，关闭 SummaryWriter：

writer.close()

• 启动TensorBoard。在命令行中，切换到包含 runs目录的路径，然后运行以下命令：

tensorboard --logdir runs

命令将在默认端口（6006）上启动TensorBoard。在浏览器中访问http://localhost:6006，你将看到TensorBoard界面，其中包含你在训练过程中记录的所有数据。

这就是在PyTorch项目中使用TensorBoard即可实现实时监控和可视化训练过程。

对了，如果要在本地查看：

通过这个命令与远程服务器设置端口转发，在本地查看。

ssh -L local_port:localhost:remote_port user@remote_ip 

如果用了跳板机，就再加一个-p 加对应的端口号

例如：跳板机是66656

ssh -L 6006:localhost:6006 -p 66656 user1@192.168.1.100

以上。