PyTorch | Tensorboard工具学习：模型，数据及训练过程可视化

一 写在前面

未经允许，不得转载，谢谢~~~

一个暑假都木有更新博客（/认真捂脸.jpg）

马上就开学了，新学期加油哦~~~

这篇文章主要学习一下PyTorch如何用Tensorboard进行模型，数据以及训练过程的可视化。

二 常用功能

2.1 TensorBoard基本设置

1. 从torch.utils中导入tensorboard中的SummaryWriter类;

from torch.utils.tensorboard import SummaryWriter

2. 实例化用来记录信息到TnesorBoard的SummaryWriter类对象；

writer = SummaryWriter('logs/exp1/tensorboard') 

• 其中logs/exp1/tensorboard表示tensorboard的保存路径。

2.2 将内容写入TensorBoard

1 写入图像

writer.add_image('my_images', img)

• 其中img为想要存入的图像；

2 写入模型

writer.add_graph(net, images)

• 其中net为网络模型；
• 其中images为网络模型的输入；

3 写入网络训练的loss等内容

writer.add_scalar('loss', loss)

• 其中loss为loss；
• 当然也可以写入其他的标量；

2.3 TensorBoard内容查看

1. 模型训练完成之后会在你设置的目标文件夹下生成一个tensorboard文件。

$ ls logs/exp1/tensorboard/
events.out.tfevents.1566455334.bigvid-g01

2. 找到这个文件，然后运行命令：

tensorboard --logdir=logs/exp1

3. 然后根据命令行提示：TensorBoard 1.8.0 at http://bigvid-g01:6006 (Press CTRL+C to quit)，把自己的服务器IP替换进去贴到浏览器就可以看到了：

scalars

images

三 写在最后

这个用起来确实很方便，可以省去自己保存loss然后处理数据的烦恼，确实还不错~

这篇文章目前只尝试了scalar和images的写入，其实还可以对模型以及数据的低维特征进行可视化~

更多的细节还请参考官网-VISUALIZING MODELS, DATA, AND TRAINING WITH TENSORBOARD哦~~(>ω<*)