Tensorboard（Tensorboard的使用、新建、一个tag下展示多种数据、分组）

Re-GENISYS

已于 2023-08-02 13:50:28 修改

阅读量612

点赞数

分类专栏：深度学习（Deep Learning） PyTorch 文章标签：深度学习 pytorch 目标检测

于 2022-05-18 09:58:50 首次发布

搬的时候标注一下来源，谢谢。

本文链接：https://blog.csdn.net/weixin_44878336/article/details/124836207

版权

PyTorch 同时被 2 个专栏收录

68 篇文章 13 订阅

订阅专栏

深度学习（Deep Learning）

54 篇文章 14 订阅

订阅专栏

0. 省流

0.1 安装 Tensorboard：

pip install tensorboard

0.2 实例化 Tensorboard

import torch
import numpy as np
from torch.utils.tensorboard import SummaryWriter
import os
import time
import datetime


# 设置PyTorch的随机数种子
seed = 42
torch.manual_seed(seed)

# 如果使用了GPU，还需要设置相应的随机数种子
if torch.cuda.is_available():
    torch.cuda.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)

# 设置Numpy的随机数种子
np.random.seed(seed)


def get_current_time():

    # 获取当前时间
    current_time = datetime.datetime.now()

    # 将时间格式化为年月日时分秒格式
    formatted_time_a = current_time.strftime("%Y-%m-%d %H:%M:%S")
    return formatted_time_a


# 设置Tensorboard
save_folder_path = f"runs/{get_current_time()}"
if not os.path.exists(save_folder_path):
    os.makedirs(save_folder_path)

tb_writer = SummaryWriter(log_dir=save_folder_path, flush_secs=5)

 # 添加Tensorboard
 tb_writer.add_scalar("train/learning rate", lr, epoch)
 tb_writer.add_scalar("train/train_loss", mean_loss, epoch)
 tb_writer.add_scalar("val/mean IoU", mean_IoU, epoch)
 tb_writer.add_scalar("val/global correct", global_correct, epoch)

1. 效果图

1.1 一个Tag多种数据

在这里插入图片描述

1.2 一个Tag一种数据

在这里插入图片描述

2. 演示代码

from torch.utils.tensorboard import SummaryWriter
import random

# 实例化tensorboard
tb_writer = SummaryWriter(log_dir="./runs",
                          comment="example_1",
                          flush_secs=3)

# 创建一些数据
epochs = 150
strat_epoch = 1

for epoch in range(strat_epoch, epochs):
    lr = random.random()  # 返回[0, 1]的float
    coco_mAP = random.random()
    voc_mAP = random.random()
    coco_mAR = random.random()

    giou_loss = random.random()
    obj_loss = random.random()
    cls_loss = random.random()
    loss = random.random()

    losses = [giou_loss, obj_loss, cls_loss, loss]

    """
        'train/giou_loss', 'train/obj_loss', 'train/cls_loss', 'train/loss'表示一个tag下多种数据（tag名称为train）
        剩下都均为单独的tag，tag名称为其自身
    """
    if tb_writer:
        tags = ['train/giou_loss', 'train/obj_loss', 'train/cls_loss', 'train/loss',
                "learning_rate",
                "mAP@[IoU=0.50:0.95]",
                "mAP@[IoU=0.5]",
                "mAR@[IoU=0.50:0.95]"]

        for x, tag in zip(losses + [lr, coco_mAP, voc_mAP, coco_mAR], tags):
            tb_writer.add_scalar(tag, x, epoch)