pytorch tensorboard_pytorch使用tensorboard实现训练过程的可视化

本文主要介绍了pytorch实现训练过程可视化的两种方法，tensorboard或tensorboardX，同时介绍了常见错误command not found: tensorboard的解决方法。

方法一：通过tensorboard实现

1. 复制文件logger.py至自己的项目目录下
2. 在项目下建立tensorboard文件夹，存放可视化训练过程中产生的中间文件。
3. 在代码中声明tf_logger = Logger(os.path.join(sys.path[0]+'/tensorboard/'))，记录需要可视化的数据。

# set tf logger for tensorboard
        

4. 在当前目录下输入以下命令，启动tensorboard：

tensorboard --logdir='./tensorboard' --port='6006'

5. 系统提示command not found: tensorboard的解决方法：

• 首先确认系统已经安装tensorflow，如果没有安装，通过以下命令安装：

pip install tensorflow

• 在控制台输入pip show tensorflow，截图如下：

• 根据pip show tensorflow显示的安装路径，进入tensorboard安装目录：

cd /anaconda3/lib/python3.6/site-packages/tensorboard

• 在tensorboard安装目录下输入以下命令,注意--logdir对应的是tensorboard文件夹的绝对路径：

python main.py --logdir='/Users/xuawai/demo/tensorboard' --port=6006

6. 通过步骤4或步骤5，tensorboard启动成功，截图如下：

7. 浏览器打开http://localhost:6006，即实现可视化的训练过程：

方法二：通过tensorboardX实现

tensorboardX的github主页有详细的使用说明，基本步骤与方法一类似，在此不再赘述。

参考资料：

https:// github.com/yunjey/pytor ch-tutorial https:// github.com/lanpa/tensor boardX https:// stackoverflow.com/quest ions/45095820/tensorboard-command-not-found