tensorboard基本使用

tensorboard及tensorboardX基本介绍

tensorboard是谷歌开发的一款可用于tensorflow训练数据监控的可视化图形界面。并包含理解，调试和优化模型的其他工具。

而pytorch后面也放弃了自研的可视化组件，转而也支持了改可视化工具，可直接通过 from torch.utils.tensorboard import SummaryWriter 使用，前提是需要先安装好tensorboard，如何安装见下文；

而tensorboardX则社区版的基于tensorboard但是，却可以脱离tensorflow而独立使用的组件(之前的tensorboard是需要基于tensorflow的)；

tensorboardX安装后，可以正常import进入项目，并记录日志；但在真正查看tensorboardX输出的数据时，需要使用tensorboard --logdir <dir>命令，该命令的使用是需要安装tensorboard的

conda下安装tensorboard

使用conda安装

conda install tensorboard
conda install tensorboardx

2、tensorboard的基本使用

1、创建一个tensorboard-test.py 代码如下

# tensorboard-test.py
from tensorboardX import SummaryWriter

# 创建一个"my-log"的tensorboard日志
writer = SummaryWriter("my-log")
for i in range(100):
    writer.add_scalar("a", i, global_step=i)
    writer.add_scalar("b",i**2, global_step=i)
writer.close()

以上代码，执行后，将在执行目录下，创建一个my-log的文件夹

2、展示日志

打开命令终端，

cd my-log
tensorboard --logdir ./

浏览器输入http://loclahost:6006

除了在本地运行之外，还可以远程运行 TensorBoard。 如果我们在具有更强大 GPU 的不同服务器之间进行并行训练，也可以本地检查结果。
默认使用6006端口，如需要修改端口启动可使用 tensorboard --logdir <dir-log> --port <port-num>默认使用6006端口，如需要修改端口启动可使用 tensorboard --logdir <dir-log> --port <port-num>

tensorboard集成在jupyter-notebook

打开jupyter-notebook

$ jupyter-notebook

输入如下

%load_ext tensorboard
%tensorboard  --port {PORT} --logdir {BASE_DIR}

完整代码参考如下

tensorboard支持的可视化数据类型

（1）标量Scalars：存储和显示诸如学习率和损失等单个值的变化趋势
（2）图片Images：对于输入是图像的模型，显示某一步输入给模型的图像
（3）音频Audio：显示可播放的音频
（4）计算图Graph：显示代码中定义的计算图，也可以显示包括每个节点的计算时间、内存使用等情况
（5）数据分布Distribution：显示模型参数随迭代次数的变化情况
（6）直方图Histograms：显示模型参数随迭代次数的变化情况
（7）嵌入向量Embeddings：在3D或者2D图中展示高维数据
（8）文本Text：显示保存的一小段文字