PyTorch笔记21--TensorBoard使用

SummaryWriter是一个高级接口,用于PyTorch项目中记录标量、图像、直方图等数据,以及可视化模型计算图。它支持添加单个或多个标签的值,有助于性能监控和模型调试。
摘要由CSDN通过智能技术生成

SummaryWriter

class SummaryWriter(object):#提供创建event file的高级接口
    def __init__(self, 
                log_dir=None, #event file输出文件夹
                comment='', #不指定log_dir时,文件夹后缀
                purge_step=None, 
                max_queue=10, 
                flush_secs=120, 
                filename_suffix=''#event file文件名后缀
                )

add_scalar()

add_scalar(#记录标量
    tag, #图像的标签名,图的唯一标识
    scalar_value, #要记录的标量
    global_step=None, #x轴
    walltime=None
)

add_scalars()

add_scalars(
    main_tag, #该图的标签
    tag_scalar_dict, #key是变量的tag,value是变量的值
    global_step=None, 
    walltime=None
)

add_histogram()

add_histogram(#统计直方图与多分位数折线图
    tag, #图像的标签名,图的唯一标识
    values, #要统计的参数
    global_step=None, #y轴
    bins='tensorflow', #取直方图的bins
    walltime=None
)

add_image()

add_image(#记录图像
    tag, #图像的标签名,图的唯一标识
    img_tensor, #图像数据,注意尺度
    global_step=None, #x轴
    walltime=None, 
    dataformats='CHW'#数据形式,CHW,HWC,HW
)

torchvision.utils.make_grid

make_grid(#制作网格图像
    tensor, #图像数据, B*C*H*W形式
    nrow=8, #行数(列数自动计算)
    padding=2, #图像间距(像素单位)
    normalize=False, #是否将像素值标准化
    range=None, #标准化范围
    scale_each=False, #是否单张图维度标准化
    pad_value=0#padding的像素值
)

add_graph()

add_graph(#可视化模型计算图
    model, #模型,必须是 nn.Module
    input_to_model=None, #输出给模型的数据
    verbose=False#是否打印计算图结构信息
)

torchsummary

summary(#查看模型信息,便于调试
    model, #pytorch模型
    input_size, #模型输入size
    batch_size=-1, #batch size
    device="cuda"#“cuda” or “cpu”
)
#github: https://github.com/sksq96/pytorch-summary
  • 7
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值