1.首先我们需要导入SummaryWriter模块,用于将训练过程中的各种统计数据写入到磁盘上的特定目录中,以便TensorBoard能够读取并可视化这些数据。
from torch.utils.tensorboard import SummaryWriter
2.我们可以使用ctrl+鼠标点击SummaryWriter查看其定义,在下图当中我们可以看见它的使用案例。
3.我们选择我们所需要存放的路径以及文件夹的名称logs
writer = SummaryWriter("logs")
接下来我们需要使用到一个叫做 add_acalar的函数,是一个在TensorBoard和类似的可视化工具(如Visdom、WandB等)中常用的函数,用于记录和可视化标量数据。在深度学习和机器学习项目中,这通常被用来跟踪训练过程中的指标,如损失函数(loss)、准确率(accuracy)或其他性能度量,按照上面的方法点击它,可以知道它的定义以及使用方法。
然后使用完整代码便可以使用Tensorboard记录想要的数据了
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter()
x = range(100)
for i in x:
writer.add_scalar('y=2x', i * 2, i)
writer.close()
注意:直接运行可能是以下结果
上图产生的结果意味着,没有tensorboard这个模块,此时我们需要在pycharm的终端进行安装
使用pip指令
pip install tensorboard
安装之后我们需要为调用logs文件所产生的数据为我们画图
图片中蓝色的部分就是本地主机服务器,显示你所描绘的图片,若此处出现如下情况
按照以下三种方法解决:
1.更改打开页面的默认浏览器
2.切换其他端口
3.随机分配端口
http://localhost:6006/
#更改为
http://localhost:6007/
#指令为
tensorboard --logdir=logs --port=6007
#若要随机分配地址则直接采用
tensorboard --logdir=logs --port=0
三种方法均能成功,但本人第三种方法才实现
最终实现结果为:
以上是调用的基础部分。