tensorboardx安装_PyTorch 34.TensorboardX

转自：

Xavier CHEN：PyTorch使用tensorboardX​zhuanlan.zhihu.com

之前用pytorch是手动记录数据做图，总是觉得有点麻烦。学习了一下tensorboardX，感觉网上资料有点杂，记录一下重点。由于大多数情况只是看一下loss,lr,accu这些曲线，就先总结这些，什么images,audios以后需要再总结。

---

1.安装：有各种方法，docker安装，使用logger.py脚本调用感觉都不简洁。现在的tensorboardX感觉已经很好了，没什么坑。在命令行pip安装即可

！注意！ 这玩意虽然在pytorch下，但是其实是内核是 tensorflow里面的board，所以安装之前得先安装 tensorflow

pip install tensorboardX

---

2.调用

from tensorboardX import SummaryWriterwriter = SummaryWriter('log')

writer就相当于一个日志，保存你要做图的所有信息。第二句就是在你的项目目录下建立一个文件夹log，存放画图用的文件。刚开始的时候是空的。

训练的循环中，每次写入 图像名称，loss数值， n_iteration

writer.add_scalar('Train/Loss', loss.data[0], niter)

验证的循环中，写入预测的准确度即可：

writer.add_scalar('Test/Accu', correct/total, niter)

为了看得清楚一点，我把整个train_eval写一起了

def train_eval(epoch):running_loss = 0.0for i, data in enumerate(trainloader, 0):inputs, labels = datainputs, labels = Variable(inputs), Variable(labels)optimizer.zero_grad()outputs = net(inputs)loss = criterion(outputs, labels)loss.backward()optimizer.step()running_loss += loss.data[0]#每2000个batch显示一次当前的loss和accuif i % 2000 == 1999:print('[epoch: %d, batch: %5d] loss: %.3f' %(epoch + 1, i+1, running_loss / 2000))running_loss = 0.0print('[epoch: %d, batch: %5d] Accu: %.3f' %(epoch + 1, i+1, correct/total))#每10个batch画个点用于loss曲线if i % 10 == 0:niter = epoch * len(trainloader) + iwriter.add_scalar('Train/Loss', loss.data[0], niter)#每500个batch全验证集检测，画个点用于Accuif i % 500 == 0:correct = 0total = 0for data in testloader:images, target = datares = net(Variable(images))_, predicted = torch.max(res.data, 1)total += labels.size(0)correct += (predicted == target).sum()writer.add_scalar('Test/Accu', correct/total, niter)

---

3.显示

会发现刚刚的log文件夹里面有文件了。在命令行输入如下，载入刚刚做图的文件（那个./log要写完整的路径）

tensorboard --logdir=./log

在浏览器输入：

http://0.0.0.0:6006/

就可以看到我们做的两个图了