tensorboard 原本是 tensorflow 的可视化工具,从 pytorch 1.2 开始支持 tensorboard。
1. 使用方法
- 首先使用 SummaryWriter 保存要可视化的数据,保存到一个文件夹中;
- 然后再运行 tensorboard 读取这个文件夹中的数据,用浏览器显示出来。
2. 代码
1、首先导入tensorboard
from torch.utils.tensorboard import SummaryWriter
2、实例化
writer = SummaryWriter("summary")
传入的参数就是保存的文件夹路径。
3、这个对象包含多个方法,比如针对数值,我们可以调用:
writer.add_scalar(tag, scalar_value, global_step=None, walltime=None)
这里的tag指定可视化时这个变量的名字,scalar_value是你要存的值,global_step可以理解为x轴坐标。
举一个简单的例子:
for epoch in range(100)
mAP = eval(model)
writer.add_scalar('mAP', mAP, epoch)
同理,除了数值,我们可能还会想看到模型训练过程中的图像。
writer.add_image(tag, img_tensor, global_step=None, walltime=None, dataformats='CHW')
writer.add_images(tag, img_tensor, global_step=None, walltime=None, dataformats='NCHW')
4、可视化
我们已经将关心的数据保存下来了,接下来就是利用 tensorboard 可视化。
我们只需在命令行中执行:
tensorboard --logdir=./path/to/the/folder --port 8123
这里的路径不用加引号,port 可以自由指定未占用的端口。然后用浏览器打开网址即可。