Pytorch可视化之tensorboard

Overview

在训练神经网络时，我们希望能更直观地了解训练情况，包括损失曲线、输入图片、输出图片、卷积核的参数分布等信息。这些信息能帮助我们更好地监督网络的训练过程，并为参数优化提供方向和依据。最简单的办法就是打印输出，但其只能打印数值信息，不够直观，同时无法查看分布、图片、声音等。接下来，将介绍两个深度学习中常用的可视化工具之一：Tensorboard。

---

Installment

tensorboard 的安装主要分为几步：

1 安装TensorFlow

如果电脑中已经安装完TensorFlow可以跳过这一步，如果电脑中尚未安装，建议安装CPU-Only的版本，具体安装教程参见TensorFlow官网。

2 安装tensorboard

pip install tensorboard

3 安装tensorboardX

pip install tensorboardX

tensorboardX 的使用非常简单。首先用如下命令，在终端启动tensorboard：

tensorboard  --logdir    --port 

---

Example

下面举例说明tensorboardX的使用。

首先，导入tensorboardX；

其次，实例化一个SummaryWriter(log_dir=‘path_to’)；其中，__inti__(self, log_dir=None, comment=",**kwargs)，log_dir 为生成的文件所放的目录。

再次，往log_dir 添加数据。支持scalar，image  figure， histogram， audio， text， graph， onnx_graph，  embedding，pr_curve，video。

最后，终端是使用命令：

tensorboardX --logdir path_to

一个关于 scalar 的例子

代码

可视化

更多例子，关于text、history、image等可参考 我是官网例子。

显示网络结构可参考 我是网络结构。

训练过程损失函数loss可视化可参考 我是loss可视化。

---

Other

使用过程可能遇到的问题，可参考另一篇文章：tensorboardX 问题记录

---

Reference

[1] tensorflow

[2] tensorboardX

[3] 文中全部代码