PyTorch - 29 - 使用PyTorch的TensorBoard - 可视化深度学习指标

TensorBoard: TensorFlow’s Visualization Toolkit

在本系列的这一点上，我们刚刚完成了培训过程中的网络运行。 现在，我们希望获得有关此过程的更多指标，以更好地了解幕后情况。

鸟瞰我们在培训过程中所处的位置。

1. 准备数据
2. 建立模型
3. 训练模型
4. 分析模型的结果
   a. 为此使用TensorBoard

TensorBoard提供了机器学习实验所需的可视化和工具：

1. 跟踪和可视化指标，例如损失和准确性
2. 可视化模型图（操作和图层）
3. 查看权重，偏差或其他张量随时间变化的直方图
4. 将嵌入物投影到较低维度的空间
5. 显示图像，文本和音频数据
6. 分析TensorFlow程序
7. 以及更多

从PyTorch 1.1.0版开始，PyTorch添加了一个tensorboard实用程序包，使我们能够将TensorBoard与PyTorch一起使用。

print(torch.__version__)
1.1.0

from torch.utils.tensorboard import SummaryWriter

Installing TensorBoard For PyTorch

要为PyTorch安装TensorBoard，请执行以下步骤：

1. 确认您正在运行PyTorch版本1.1.0或更高版本。
2. 确认您正在运行TensorBoard 1.15或更高版本。
3. 请注意，PyTorch使用的TensorBoard与为TensorFlow创建的TensorBoard相同。使用以下命令检查系统上安装的TensorBoard的版本：

tensorboard --version

4. 使用以下命令安装TensorBoard。

pip install tensorboard

安装TensorBoard 1.15或更高版本后，我们就可以开始了！
请注意，PyTorch文档说TensorBoard版本1.14是必需的。但是，我无法在1.14版本上使用全部功能。这就是为什么在视频中使用每晚构建的原因。

Getting Started With TensorBoard For PyTorch

TensorBoard是一个前端Web界面，它实质上从文件中读取数据并显示它。要使用TensorBoard，我们的任务是将我们要显示的数据保存到TensorBoard可以读取的文件中。

为了使我们更轻松，PyTorch创建了一个名为SummaryWriter的实用程序类。要访问此类，我们使用以下导入：

from torch.utils.tensorboard import SummaryWriter

导入该类后，我们可以创建该类的实例，然后将其用于将数据从程序中取出并放到文件系统上，然后由TensorBoard进行使用。

Network Graph And Training Set Images

SummaryWriter类带有许多方法，我们可以调用这些方法来有选择地选择和选择我们希望TensorBoard可以使用的数据。首先，我们将网络和一批图像传递给编写者。

tb = SummaryWriter()

network = Network(<