pytorch 画loss曲线_PyTorch模型训练特征图可视化（TensorboardX）

0、前言本文所有代码解读均基于PyTroch 1.0，Python3；

本文为原创文章，初次完成于2019.03，最后更新于2019.03；

最近复现的一篇论文一直都难以work，上了特征图可视化后一下子就找到了问题所在，所以今天想梳理一下PyTorch里面的特征图可视化。

大家都知道Tensorflow有一款非常优秀的可视化工具Tensorboard，而PyTorch自身没有可视化功能，但是我们可以寻找替代品，即TensorBoardX。安装过程不多介绍，详见下面的参考链接，里面相应有比较丰富的介绍。tensor-yu/PyTorch_Tutorial​github.com

1、Loss可视化

最常见的可视化就是loss曲线作图，这个实现相对比较简单，不多做介绍了

tb_logger.add_scalar('loss_train', loss, curr_step)

2、输入图片和标签的可视化

模型不work，第一个应该检查的就是输入输出有没有没给对，因此我们需要将传递给model的 input 和 label 可视化一下。

传递给网络的图片格式往往是 [B,C,H,W] ，范围[0, 1]，数据类型tensor.FloatTensor，但是add_iamge() 能够接受的格式是[C,H,W], 范围[0,1]，数据类型tensor.FloatTensor。

一个是三维的，一个是四维的，这很好解决，我们把每个batch的第一张图拿出来就行了&#