pytorch框架学习（13）——可视化工具TensorBoard

1. TensorBoard简介

TensorBoard：TensorFlow中强大的可视化工具
支持标量、图像、文本、音频、视频和Embedding等多种数据可视化

• 运行机制
  

tensorboard --logdir=./runs

• 作业
  熟悉TensorBoard的运行机制，安装TensorBoard，并绘制曲线 y = 2*x

import numpy as np
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter(comment='test_tensorboard')

for x in range(100):
    writer.add_scalar('y=2x', x * 2, x)
writer.close()

2. tensorboard使用

2.1 SummaryWriter

• 功能：提供创建event file的高级接口
• 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

log_dir = "./train_log/test_log_dir"
# writer = SummaryWriter(log_dir=log_dir, comment='_scalars', filename_suffix="12345678")
writer = SummaryWriter(comment='_scalars', filename_suffix="12345678")

for x in range(100):
    writer.add_scalar('y=pow_2_x', 2 ** x, x)

writer.close()

2.2 方法

• 1.add_sclalar（只能记录一条曲线）

  • 功能：记录标量
  • tag：图像的标签名，图的唯一标识
  • scalar_value：要记录的标量
  • global_step：x轴

• 2.add_scalars()

  • main_tag：该图的标签
  • tag_scalar_dict：key是变量的tag，value是变量的值

max_epoch = 100

writer = SummaryWriter(comment='test_comment', filename_suffix="test_suffix")

for x in range(max_epoch):

    writer.add_scalar('y=2x', x * 2, x)
    writer.add_scalar('y=pow_2_x', 2 ** x, x)
    writer.add_scalars('data/scalar_group', {"xsinx": x * np.sin(x),
                                             "xcosx": x * np.cos(x)}, x)

• 3.add_histogram()
  • 功能：统计直方图与多分位数折线图
  • tag：图像的标签名，图的唯一标识
  • values：要统计的参数
  • global_step：y轴
  • bins：取直方图的bins（一般不需设置）

    writer = SummaryWriter(comment='test_comment', filename_suffix="test_suffix")

    for x in range(2):

        np.random.seed(x)

        data_union = np.arange(100)
        data_normal = np.random.normal(size=1000)

        writer.add_histogram('distribution union', data_union, x)
        writer.add_histogram('distribution normal', data_normal, x)

        plt.subplot(121).hist(data_union, label="union")
        plt.subplot(122).hist(data_normal, label="normal")
        plt.legend()
        plt.show()

    writer.close()

• 4.add_image()

  • 功能：记录图像
  • tag：图像的标签名，图的唯一标识
  • img_tensor：图像数据，注意尺度
  • global_step：x轴
  • dataformats：数据形式，CHW，HWC，HW（C：chanel，H:high，W:width）

• 5.torchvision.utils.make_grid

  • 功能：制作网格图像
  • tensor：图像数据，BCH*W形式
  • nrow：行数（列数自动计算）
  • padding：图像间距（像素单位）
  • normalize：是否将图像值标准化
  • range：标准化范围
  • scale_each：是否单张图维度标准化
  • pad_value：padding的像素值

• 6.add_graph()

  • 功能：可视化模型计算图
  • 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

• 7.torchsummary

  • 功能：查看模型信息，便于调试
  • model：pytorch模型
  • input_size：模型输入size
  • batch_size：batch size
  • device：“cuda” or “cpu”