pytorch中使用tensorboard实现可视化

tensorflow框架下的tensorboard可视化工具可以用到pytorch中用于可视化。

目前我用到的需求就是仅仅显示标量（train/val loss），记录一下，希望也可以给看到这篇文章的你带来帮助。

一、环境安装

anaconda下安装pytorch虚拟环境参考：https://blog.csdn.net/sinat_41563673/article/details/97402059

• python3.6+
• pytorch0.4.0+

基于pytorch虚拟环境下安装下面的包：

• tensorboard (以下两个指令均可)

pip install tensorboard

conda install tensorboard

• tensorboardX（以下两个指令均可）

pip install tensorboardX

conda install tensorboardX

• tensorflow（以下两个指令均可）

pip install tensorflow

conda install tensorflow

二、生成数据代码

代码：

from tensorboardX import SummaryWriter
import numpy as np

writer = SummaryWriter()

for epoch in range(100):
    writer.add_scalar('scalar/test', np.random.rand(), epoch)
 
writer.close()

代码解释：

• 首先导入from tensorboardX import SummaryWriter，然后定义一个SummaryWriter()实例，运行代码，默认生成一个runs文件夹；
• 其次writer.add_scalar('scalar/test', np.random.rand(), epoch)，这句代码的作用就是，将我们所需要的数据保存在文件里供可视化使用。这里的数据是标量，所以使用writer.add_scalar(),第一个参数可以理解为保存图的名称，第二个参数可以理解为y轴数据，第三个参数可以理解为x轴数据。

将上边代码运行，会产生runs文件夹以及文件夹中包含保存好的数据文件，用于后面的可视化。

三、可视化

在runs的同级目录下使用命令行：tensorboard --logdir runs
会产生对应的可视化链接，点击链接进入，就可以看到可视化后的结果。

在实际使用的过程中，我们的y坐标基本都是显示loss值变化的，将对应的随机数改成随着epoch变化的loss值即可。