TensorboardX：如何在pytorch上画loss曲线图 | TensorboardX入门使用指南

最新推荐文章于 2025-03-18 09:48:12 发布

xiyou__

最新推荐文章于 2025-03-18 09:48:12 发布

阅读量5.1k

点赞数 5

分类专栏：数据处理文章标签： pytorch

本文链接：https://blog.csdn.net/xiyou__/article/details/125618290

版权

数据处理专栏收录该内容

13 篇文章

订阅专栏

本文介绍如何在PyTorch环境中利用TensorBoardX工具包绘制Loss变化曲线。通过安装TensorBoardX、编写及运行特定Python代码，可以在浏览器中直观地展示训练过程中的Loss变化趋势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

总览

TensorBoard绘制的一次实验的loss曲线图
TensorBoard绘制的九次实验的loss曲线图
实现以上功能，需要在Pytorch环境下安装TensorboardX工具包，并使用相应的代码，即可在网页页面中查看并分析loss曲线（还有许多其他功能。。。目前仅实践画loss曲线部分）

TensorboardX github链接

具体流程

1 安装TensorboardX工具包

pip install tensorboardX

根目录下会有TensorboardX文件夹：
在这里插入图片描述

2 编写代码

创建一个try.py文件，代码框架如下：

from tensorboardX import SummaryWriter

writer = SummaryWriter()

train_loss=[3.5, 2.0, 2.5, 2.0]
dev_loss=[3.0, 2.8, 2.5, 2.0]

for i in range(len(train_loss)):
    writer.add_scalars("loss",{"train":train_loss[i],"dev":dev_loss[i]},i+1)

writer.export_scalars_to_json("./loss.json")
writer.close()

其中，我将详细说明以下writer.add_scalars()函数：

writer.add_scalars()函数：
功能：在一个图表中记录多个标量的变化，常同于对比，如train loss 和 val loss的比较等。
参数：add_scalars(main_tag, tag_scalar_dict, global_step=None, walltime=None)
main_tag(string)为该图的标签；
tag_scalar_dict(dict)为绘制的曲线的数据，其中，key是变量的名称，value是变量的值；
global_step(int)为曲线图的横坐标
walltime(float)为event文件的文件名设置时间，默认为time.time()
以上参数在实际绘制的图像中，所对应的位置如下：

此外，如果只画一条曲线，有add_scalar()函数，还有更多功能如：直方图、多分位数折线图、网络结构拓扑图等，都有对应的函数，具体可参考博客。

3 执行代码

执行上述代码，生成json文件

python try.py

在终端执行以下命令

tensorboard --logdir "./" --host 127.0.0.1

其中"./"为json文件所在目录（注意是目录，不包括文件名，如果该目录下包含多个json文件，会一起转化！）
执行后会显示以下内容，点击链接就可以在浏览器中查看loss图啦！
在这里插入图片描述
注意：json文件应当在tensorboardX根目录下，浏览器才能正确显示内容，如果json文件在tensorboardX文件夹外，或者在tensorboardX的子目录下，浏览器都会出现显示不出来、显示错误等问题。