Tensorboard的使用

 

一、什么是Tensorboard

Tensorboard原本是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。PyTorch也推出了自己的可视化工具，一个是tensorboardX包，一个是torch.utils.tensorboard，二者的使用相差不大，这里介绍后者
 

二、怎么使用Tensorboard

首先展示该包的使用的大致流程

1)导入tensorboard，实例化SummaryWriter类，指明记录日记路径等信息
from torch.utils.tensorboard import SummaryWriter
#实例化SummaryWriter，并指明日志存放路径。在当前目录如果每月logs目录将自动创建
#如果不写log_dir，系统将会创建runs目录
writer = SummaryWriter(log_dir = ‘logs’)
#调用实例
writer.add_xxx()
#关闭writer
writer.close()
2）调用相应的API，接口一般格式为：
add_xxx(tag_name, object, iteration-number)
3)启动tensorboard，在命令行中输入
tensorboard --logdir=r’加logs所在路径’
4)复制网址在浏览器中打开
如果你有多个数据都在同一个网址打开可能比较麻烦
要想换一个网址，可以手动换一个端口
tensorboard --logdir=log --port=6007

使用各种add方法记录数据

单条曲线(scalar)

add_scalar(tag, scalar_value, global_step=None, walltime=None)

参数：

• tag ( string ) – 数据标识符
• scalar_value ( float或string/blobname ) – 要保存的值 y轴
• global_step ( int ) – 要记录的全局步长值    x轴
• walltime ( float ) – 记录训练的时间，默认 walltime (time.time()) 秒
• new_style ( boolean ) – 是使用新样式（张量字段）还是旧样式（simple_value 字段）。新样式可能会导致更快的数据加载。

 注意：如果你一开始就写了一个 比如：

# y = 2x
for i in range(100):
    writer.add_scalar("y=2x",2*i,i)

writer.close()

并且运行了，又在此基础上修改 比如将 2*i 改成 3*i 并运行，将会出现问题

 解决方法：将一开始的 log 中的文件删掉

详解Tensorboard及使用教程_tensorboard怎么用-CSDN博客