pytorch使用tensorboard实现可视化

1、安装TensorBoardX

2、在工程目录下新建Result文件夹，并新建runs子文件夹用于保存程序运行过程中产生的数据

3、打开终端cd 到Result目录下，输入tensorboard --logdir=runs

4、打开浏览器在地址栏输入：local host:6006， 此时会显示如下界面， 说明没有数据被存储

5、在程序中输入

from tensorboardX import SummaryWriter

result_path = '../Result/runs'
writer = SummaryWriter(result_path)

6、添加需要监测的变量

监测一个变量时：

writer.add_scalar('data/acc', train_acc, global_step=epoch)

监测一组变量时： 

writer.add_scalars('data/scalar_acc', {'train_acc': train_acc, 'val_acc': val_acc}, global_step=epoch)

 在不需要的地方可以关闭写入数据文件

writer.close()

最终的结果如下图所示

注意：每次写文件的时候数据都会被记录，在图表上的表现就是出现多条曲线，因此需要删掉之前存储的数据文件

删除文件可以使用

import shutil

shutil.rmtree(result_path)

关于tensorboardX更深入的使用可以参考 Github https://github.com/tensor-yu/PyTorch_Tutorial