TensorBoard的简单使用（pytorch）

TensorBoard是Tensorflow自带的一个强大的可视化工具，也是一个Web应用程序套件。目前也可以在pytorch中使用，TensorBoard目前支持7种可视化，Scalars,Images,Audio,Graphs,Distributions,Histograms和Embeddings。其中可视化的主要功能如下。

（1）Scalars:展示训练过程中的准确率、损失值、权重/偏置的变化情况。

（2）Images:展示训练过程中记录的图像。

（3）Audio:展示训练过程中记录的音频。

（4）Graphs:展示模型的数据流图，以及训练在各个设备上消耗的内存和时间。

（5）Distributions:展示训练过程中记录的数据的分部图。

（6）Histograms:展示训练过程中记录的数据的柱状图。

（7）Embeddings:展示词向量后的投影分部。

使用TensorBoard展示数据，需要在执行Tensorflow就算图的过程中，将各种类型的数据汇总并记录到日志文件中。然后使用TensorBoard读取这些日志文件，解析数据并生产数据可视化的Web页面，让我们可以在浏览器中观察各种汇总数据。

pytorch从1.2.0开始支持tensorboard

一、安装

# 如果有conda
conda install tensorboard
# 或者pip安装
pip install tensorboard

二、简单使用

2.1、生成折线图

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('logs')
x = range(100)
for i in x:
    writer.add_scalar('y=x+10', i+10, i)
writer.close()python

from torch.utils.tensorboard import SummaryWriter
 
writer = SummaryWriter("runs/logs_fina")  # 存放log文件的目录
writer.add_scalar('train/loss', ave_train_loss, epoch)  # 画loss，横坐标为epoch
writer.add_scalar('train/lr', ave_lr, epoch)
writer.close()

运行

tensorboard --logdir=logs
# 或者使用logs文件夹的绝对地址
tensorboard --logdir=绝对地址
# 当然也可以修改端口和ip
tensorboard --logdir=logs --host=127.0.0.1

在http://localhost:6006/网址的右侧，可以看到有一个smoothing可调，这个用来调整平滑度，默认0.6，有些图不平滑的话很难看出趋势。

2.2、添加图片

其中对img_tensor的形状有要求，而默认格式是（3，H，W）即通道(channel)为3，H为高度，W为宽度，不是格式需要使用dataformats=''，该参数填写的数据为：CHW, HWC, HW，默认为 CHW

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter('logs')
image_path = 'dog.png'
img_PIL = Image.open(image_path)  # 创建PIL的图片类
image_array = np.array(img_PIL)   # 转成<class 'numpy.ndarray'>
# print(image_array.shape)        # (1200,1920,3)
writer.add_image('dog', image_array, 0, dataformats='HWC')
writer.close()

2.3、查看网络

dummy_input = torch.rand(512, 1, 28, 28)  # 网络中输入的数据维度
with SummaryWriter(comment='LeNet') as w:
    w.add_graph(net, (dummy_input,))  # net是你的网络名