TensorBoard在PyTorch项目中使用

  • 安装tensorboard和torch包
pip install tensorboard torch
  • 导入必要的库:
from torch.utils.tensorboard import SummaryWriter
  • 在训练代码中创建一个SummaryWriter实例。这将用于将数据写入TensorBoard。也可以指定一个目录,用于存储所有的日志文件:
writer = SummaryWriter('runs/experiment_name')

将'runs/experiment_name'替换为你想要保存日志的目录。多次运行实验时,可以更改实验名称以便在TensorBoard中区分不同的运行。

  • 使用

SummaryWriter的方法记录所需的数据。例如,可以记录标量(如损失值和准确率)、图像、直方图等。以下是一些常用方法:

  • add_scalar(tag, scalar_value, global_step): 记录标量值。
  • add_image(tag, img_tensor, global_step): 记录图像。
  • add_histogram(tag, values, global_step): 记录直方图。

在训练循环中添加这些方法,例如:

for epoch in range(num_epochs):
    for batch_idx, (data, targets) in enumerate(train_loader):
        # Train model...
        # Calculate loss and accuracy...

        writer.add_scalar('Loss/train', loss, global_step)
        writer.add_scalar('Accuracy/train', accuracy, global_step)

        global_step += 1
  • 在训练完成后,关闭 SummaryWriter:
writer.close()
  • 启动TensorBoard。在命令行中,切换到包含 runs目录的路径,然后运行以下命令:
tensorboard --logdir runs

命令将在默认端口(6006)上启动TensorBoard。在浏览器中访问http://localhost:6006,你将看到TensorBoard界面,其中包含你在训练过程中记录的所有数据。

以上。

这就是在PyTorch项目中使用TensorBoard即可实现实时监控和可视化训练过程。

你可能感兴趣的:(深度学习,深度学习,python,pytorch,tensorboard)