pytorch中使用可视化工具：TensorBoard

TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。虽然他是TensorFlow 的一部分，但是可以独立安装，并且服务于Pytorch等其他的框架。TensorBoard 的主要功能包括：

1. 可视化模型的网络架构
2. 跟踪模型指标，如损失和准确性等
3. 检查机器学习工作流程中权重、偏差和其他组件的直方图
4. 显示非表格数据，包括图像、文本和音频
5. 将高维嵌入投影到低维空间

使用步骤

1.导入对应包

from torch.utils.tensorboard import SummaryWriter

2.write.add_scalar()使用

参数列表如下：

Args:
    tag (str): Data identifier
    scalar_value (float or string/blobname): Value to save
    global_step (int): Global step value to record
    walltime (float): Optional override default walltime (time.time())with seconds after epoch of event
    new_style (boolean): Whether to use new style (tensor field) or old style (simple_value field). New style could lead to faster data loading.

其中tag为图表标题，scalar_value为图标的纵坐标，global_step为横坐标
举例：

# 写一个y=x
for i in range(100):
    write.add_scalar("y=x",i,i)

运行程序后，在终端输入如下代码进行图表查看

tensorboard --logdir=logs --host=localhost --port=6006

显示如下链接，点击后可进入查看

write.add_image()的使用

参数列表如下：

Args:
    tag (str): Data identifier
    img_tensor (torch.Tensor, numpy.ndarray, or string/blobname): Image data
    global_step (int): Global step value to record
    walltime (float): Optional override default walltime (time.time())seconds after epoch of event
    dataformats (str): Image data format specification of the form CHW, HWC, HW, WH, etc.

注意此处的img类型，必须是tensor，numpy，string，blobname其中一种

img_path = "dataset/train/ants/0013035.jpg"
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
write.add_image("test",img_array,1, dataformats='HWC')

如上运行，控制台输入命令，点击链接，如图所示：