……
1、安装
pip install tensorboardX
2、调用
1) loss
from tensorboardX import SummaryWriter
# before train
log_writer = SummaryWriter('log_file_path')
# in training
log_writer.add_scalar('Train/Loss', loss.data[0], niter)
# in pytorch1.0 loss.data[0] should be loss.item()
niter = epoch * len(train_loader) + i
writer.add_scalars(args.result_path + 'Train_val_loss', {args.result_path+'train_loss': loss.data.item()}, niter)
#其中,add_scalars是将不同得变量添加到同一个图下,
#图的名称是add_scalars得第一个变量,然后为这个图中不同得曲线添加不同得标题,后面得dict中得key是曲线的名称,后面的value是对应得append的值,再后面得niter是x坐标,
#代码含义:对于图名称为args.result_path + 'Train_val_loss'的图,对曲线名称为args.result_path+'train_loss'添加新的点,这个点为(niter, loss.data.item())
#封装
log_writer = Tacotron2Logger('log_file_path')
log_writer.log_training(self, reduced_loss, grad_norm, learning_rate, duration, iteration)
2)模型model
with SummaryWriter(comment='MobileV2') as w:
print("success")
w.add_graph(model, input)
3、查看
网页查看,这个就回到tensorboard一样的操作了。
tensorboard --logdir=./log_file_path --port=8765
log_file_path 是初始化log_writer时候的那个参数地址。
这里端口号可以随意改,默认是6006。
然后命令行会告诉你在浏览器输入 ip:8765进行查看,这个和tensorboard一样了就。