Tensorboard

转载：PyTorch 下使用 Tensorboard

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。