【Tensorboard】工具使用细节记录，实现训练数据保存及可视化

目录

1  导入tensorboard-前提安装tensorboard！

2 确定存储位置 

3 作为预训练参数加载函数

4 调用加载函数

5 保存训练模型参数

6 tensorboard可视化-环境：ubuntu

---

【学习资源】from torch.utils.tensorboard import SummaryWriter导入不成功问题_

1  导入tensorboard-前提安装tensorboard！

• conda install tensorboard  /  pip install tensorboard
• from torch.utils.tensorboard import SummaryWriter

from torch.utils.tensorboard import SummaryWriter导入不成功问题

• ImportError: TensorBoard logging requires TensorBoard with Python summary writer installed.
• 原因：SummaryWriter是存在于tensorboardX(其作为tensorboard的子模块)

• conda install tensorboardX / pip install tensorboardX
• from tensorboardX import SummaryWriter

2 确定存储位置 

• 申明：writer = SummaryWriter(log_dir=args.run_dir)
• 调用：以loss为例，writer.add_scalar('name',(loss).item(),epoch*len(train_loader)+i)

3 作为预训练参数加载函数

def load_ckpt(args, depth_model, shift_model, focal_model):
    if os.path.isfile(args.load_ckpt):
         print("loading checkpoint %s" % args.load_ckpt)
         checkpoint = torch.load(args.load_ckpt)
         # depth_model.load_state_dict(checkpoint['net'])
         depth_model.load_state_dict(torch.load(args.load_ckpt))
         del checkpoint
         torch.cuda.empty_cache()

4 调用加载函数

• model.to(device) 之后添加
• load_ckpt(args, model, None, None)

5 保存训练模型参数

torch.save(model.state_dict(), '位置/命名%d.pth'% (epoch))

6 tensorboard可视化-环境：ubuntu

• 打开args.run_dir所自订的文件目录，如loss存储在tensor文件夹下

•  在tensor文件夹所在目录进入终端，也就是cd 到weights位置
• 注意，如果是虚拟环境，务必激活环境，再进行下一步操作

tensorboard --logdir=tensor

•  终端弹出一个网址，复制到浏览器打开，从而实现可视化！

【Window学习资源】TensorBoard可视化工具简单教程及讲解（TensorFlow与Pytorch）