TensorBoard配置及启动

TensorBoard配置及启动过程

本文从小白角度出发，总结了TensorBoard的配置及使用过程，总结了一些踩过的坑，希望能帮助大家！

1.TensorBoard用途

简单来说，用于观测模型不同阶段的输出。在深度学习过程中，可以监控参数变化。

2.准备工作

准备工作非常重要，是踩坑的主要来源。
主要包括两个方面的确认和设置：

1. python终端虚拟环境——会导致tensorboard启动指令报错
2. python终端运行路径——会导致端口无图形输出

2.1 软件包安装

在pycharm中：

python软件包->搜索tensorboard->安装

运行方法：python终端，指令运行。

2.2 切换到当前虚拟环境

注意：运行TensorBoard之前，必须确保python控制台的运行环境与当前虚拟环境一致。否则会出现以下错误：

原因：当前python终端环境与项目虚拟环境不一致（我的代码当前为base环境）
解决方法：在python终端中切换到当前虚拟环境：

点击小箭头->选择“Command Prompt”->前面的PS显示为（base）即为成功

切换之后，显示如下，前面的“(base)”即为虚拟环境名称：

2.3 切换到当前项目路径

注意：一定要切换到当前项目路径，否则会出现打开tensorboard对应的端口后无法显示（踩过坑）的问题。
报错内容：

原因：python终端运行路径不正确，一定要定位到当前.py所在的文件夹，错误路径：

本文项目文件位置如下：

报错的错误路径为：

解决方式：cd到当前.py所在文件夹：

至此，准备工作已经完成，可以开始使用tensorboard了！

3.测试代码及函数

首先，我们编写一个最简单的测试代码，绘制一个"x=y"的直线：

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

#y = x
for i in range(100):
    writer.add_scalar("y = x",i,i)

writer.close()

其中，add_scalar函数参数如下：

参数解释：

1. Tag——代表的是图表的标题
2. Scalar_value——Y轴
3. global_step——X轴

4.运行TensorBoard

运行.py，下文开始通过TensorBoard显示。
在python终端中输入指令：

tensorboard --logdir=logs

打开端口：

显示如下：

5.指定端口打开

当需要打开多个tensorboard时，为避免冲突，可在不同端口打开：
默认是6006端口：

在6007端口打开：

tensorboard --logdir=logs --port=6007