【学习笔记】pytorch 使用 tensorboardX进行 准确度 loss 以及 accuracy 准确度动态可视化

版本信息：
python 3.7
pytorch 1.5.0
tensorflow-gpu 2.1.0
tensorboard 1.6.0 [tensorflow 与 tensorboard版本匹配]

需要安装的包

pip install tensorboard
pip install tensorboard_logger

示例代码如下：

from tensorboard_logger import Logger

logger = Logger(logdir="./tensorboard_logs", flush_secs=10)
...
def train(net, optimizer):
    for epoch in range(epoch_nums):
        net.train()
        for batch_idx, (inputs, targets) in enumerate(trainloader):           
            inputs = Variable(inputs, requires_grad=True).cuda()
            targets = targets.cuda()
            optimizer.zero_grad()
            outputs = net(inputs)
            loss = criterion(outputs, targets)
            loss.backward()  
            optimizer.step()
            train_loss += loss.item()
            ...
            # 记录所需的变量
            logger.log_value('avg_loss', train_loss/(batch_idx+1), epoch*len(trainloader) + batch_idx)
            logger.log_value('loss', loss.item(), epoch*len(trainloader) + batch_idx)
            logger.log_value('acc', 100. * correct / total, epoch*len(trainloader) + batch_idx)

打开prompt，切换到自己选用的conda虚拟环境，我这里是选择的文件名称

在这里我是选择的文件存放的绝对路径，因为我的jupyter的工作路径修改过

在浏览器打开http://localhost:6006
最后就是可以动态变化的图啦，接下来的两张图是我取的两个不同的时刻，可以看到图像是动态变化的！
最后画出来的的损失函数曲线以及准确率曲线如下：

以及最后我用matplotlib画的验证集和训练集的准确度曲线

参考1
参考2
参考3