随便聊聊torch.utils.tensorboard跟tensorboardX（待验证）

1. 前言

相信有一部分小伙伴在使用PyTorch时跟我一样，PyTorch可用的数据可视化工具TensorBoard有两种可用的方法，torch.utils.tensorboard和tensorboardX，他们之前到底有什么区别跟联系？为什么官方有TensoBoard的接口，还会有tensorboardX的存在呢？

这个小问题也困惑了我很久，不过我入门PyTorch比较晚，一直用的也都是官方的api，而不是tensorboardX，不过也相应地遇到过一些问题。今天就简单地聊下他们之间的缘分。

2. 分析

2.1 tensorboardX

先说tensorboardX吧。在PyTorch刚发布的那段时间，是不支持tensorboard这样强大的数据可视化工具的。没有方便易用的数据可视化多难受呀，需要自己写复杂的代码来实现，这就很麻烦，而别人却能用着tensorboard这样方便的可视化工具。于是乎，在这样难受的处境下，lanpa大佬(Github用户名)就开发了tensorboardX，一个完全支持PyTorch的tensorboard工具包，从而让PyTorch很好地调用tensorboard的数据可视化工具来监控神经网络训练的过程。

其实，tensorboardX的的使用与官方的tensorboard的使用并无差异，唯一的不同就是要在导入时用tensorboardX替代tensorboard (代码如下)，只是tensorboardX就是为PyTorch精心打造的，解决了PyTorch早期在数据可视化功能上的不足。

# 官方tensorboard导入
from tensorboard import SummaryWriter

# tensorboardX导入
from tensorboardX import SummaryWriter

GitHub链接：lanpa/tensorboardX

2.2 torch.utils.tensorboard

PyTorch官方对tensorboard的支持是在PyTorch 1.1.0版本中实现的，具体的更新内容可看Official TensorBoard Support, Attributes, Dicts, Lists and User-defined types in JIT / TorchScript, Improved Distributed。tensorboard功能强大，用户多，这么好用，比visdom要强大一点，不如就合作一下吧。

torch.utils.tensorboard是PyTorch官方对tensorboard支持的接口，使用方面上也和官方的tensorboard没什么区别 (也基本仅在导入上不同)，不过唯一要注意的就是要使用torch.utils.tensorboard必须在环境中安装官方的tensorboard的包 (即pip install tensorboard)。

导入方式：

from torch.utils.tensorboard import SummaryWriter

3. 结束语

总的来说，tensorboardX跟torch.utils.tensorboard在使用上是基本一样的，区别可能仅在于一个是大佬开发的，一个是PyTorch官方与TensoBoard合作的。

tensorboardX我没用过，是否与TensorFlow在同一环境下兼容我不太清楚，不过torch.utils.tensorboard就可能会有不兼容的问题 (在同一环境下同时有TensorFlow，PyTorch可能会导致torch.utils.tensorboard不可用，具体问题和相应的解决方法可阅读我之前的文章：AttributeError: module ‘tensorflow_core._api.v2.io.gfile’ has no attribute ‘get_filesystem’)。

就在上面这一点上，可能tensorboardX是第三方不依赖于TensorFlow的会有优势吧，不过我还是会倾向于torch.utils.tensorboard，因为它是官方与TensorBoard合作的，会随版本持续更新吧，具体使用见仁见智吧。