pytorch进阶（一）-----------可视化工具TensorBoard的使用

tensorboard的运行机制为在python中记录要可视化的数据存入硬盘中，再使用tensorboard终端读取硬盘中的记录进行可视化

一、tensorboard的安装

pip install tensorboard
注意：在运行代码时可能会报错（ModleBNotFoubdError：No module named ‘past’）时，通过pip install future解决

二、tensorboard的使用

1、SummarWriter（）

功能：提供创建event file的高级接口，等价于创建一个画布文件
主要属性：
log_dir：event file输出文件夹
comment：不指定log_dir时，文件夹后缀
filename_suffix：event file文件名后缀
代码展示：

writer = SummarWriter()

2、add_scalar()

功能：绘制曲线，只能绘制一条曲线
主要参数：
tag：图像的标签名，图像最上面的图像名
scalar_value：要记录的标量，y轴
global_step：x轴
代码展示：

writer.add_scalar()

3、add_scalars()

功能：可以绘制多条曲线
主要参数：
main_tag：图像的标签
tag_scalar_dict：曲线字典，key是tag，value是变量的值

4、add_histogram()

功能：统计直方图与多分位数折线图
主要参数：
tag：图像的标签
value：要统计的参数
global_step：y轴
bins：取直方图的bins，是一个直方图的设置模式，通常默认是TensorFlow模式

5、add_image()

功能：记录图像，如果同时绘制多张图像，需要使用鼠标拖动来观察
主要参数：
tag：图像的标签名
img_tensor：图像数据，注意尺度，当数据在0~1之间时会自动*255，当数据大于1时就会被默认为数据已经是0-255之间的数，就保持不变
global_step：x轴
dataformats：数据形式，CHW、HWC、HW（字母表示三通道或者是灰度图），默认是CHW

6、torchvision.utils.make_grid()

功能：为了解决鼠标拖动来观察图像带来的不便，使用这种方法可以制造网格
主要参数：
tensor：图像数据，BCHW形式
nrow：行数（列数自动计算）
padding：图像间距
normalize：是否将像素值标准化
range：标准化范围
scale_each：是否单张图像维度标准化
pad_value：padding的像素值

7、add_graph()

功能：可视化模型计算图
主要参数：
model：模型，必须是nn.Module
input_to_model：输出给模型的数据
verbose：是否打印计算图结构信息

8、torchsummary

功能：查看模型信息，便有调试
安装：pip install torchsummary
使用：

from torchsummary import summary
print(summary(lenet, (3, 32, 32), device='cpu'))

主要参数：
model：pytorch模型
input_size：模型输入size
batch_size：批次
device：cuda 或者 cpu