tensorboard使用

1.画多张图

import random
import time
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("runs")  # #第一个参数指明writer把summary内容写在哪个目录下



for i in range(1005000):
    writer.add_scalar(tag="loss/actor_loss", # 可以暂时理解为图像的名字
                      scalar_value=i * random.uniform(0.8, 1),  # 纵坐标的值
                      global_step=i  # 当前是第几次迭代，可以理解为横坐标的值
                      )
    writer.add_scalar(tag="loss/critic_loss", # 可以暂时理解为图像的名字
                      scalar_value=i * random.uniform(0.8, 1),  # 纵坐标的值
                      global_step=i  # 当前是第几次迭代，可以理解为横坐标的值
                      )
    writer.add_scalar(tag="reward", # 可以暂时理解为图像的名字
                      scalar_value=i * random.uniform(0.8, 1),  # 纵坐标的值
                      global_step=i  # 当前是第几次迭代，可以理解为横坐标的值
                      )
    writer.add_scalar(tag="reward_average", # 可以暂时理解为图像的名字
                      scalar_value=i * random.uniform(0.8, 1),  # 纵坐标的值
                      global_step=i  # 当前是第几次迭代，可以理解为横坐标的值
                      )
    

2.画一张图多条线

from torch.utils import tensorboard
import numpy as np
 
writer = {
    'loss': tensorboard.SummaryWriter("./drive/MyDrive/logs/loss"), #必须要不同的writer
    'acc': tensorboard.SummaryWriter("./drive/MyDrive/logs/acc"),
    'lr': tensorboard.SummaryWriter("./drive/MyDrive/logs/lr")
}
 
data = np.random.random((3, 10)) #生成模拟数据
 
loss_data = data[0]
acc_data = data[1]
lr_data = data[2]
 
for i in range(10):
    writer['loss'].add_scalar("data", loss_data[i], i) #要想显示在一张图 表格名字要一样！！
    writer['acc'].add_scalar("data", acc_data[i], i)
    writer['lr'].add_scalar("data", lr_data[i], i)
 
writer['loss'].close()
writer['acc'].close()
writer['lr'].close()
exit()

3.进入tensorboard

tensorboard --logdir=“自己起个名字”