Tensorboard

#1）导入 tensorboard，实例化 SummaryWriter 类，指明记录日记路径等信息
#from torch.utils.tensorboard import SummaryWriter
# 实例化 SummaryWriter，并指明日志存放路径。在当前目录如果没有 logs 目录将自动创建
#writer = SummaryWriter(log_dir = 'logs')
# 调用实例
#writer.add_xxx()
# 关闭 writer
#writer.close()

#2）调用相应的 API，接口一般格式为：
#add_xxx(tag_name, object, iteration-number)

#3) 启动 tensorboard，在命令行中输入
#tensorboard --logdir=r’加 logs 所在路径’

#4) 复制网址在浏览器中打开

单条曲线

'''
#单条曲线(scalar)  add_scalar(tag, scalar_value, global_step=None, walltime=None)

tag (string) – 数据标识符
scalar_value (float 或 string/blobname) – 要保存的值
global_step (int) – 要记录的全局步长值
walltime (float) – 记录训练的时间，默认 walltime (time.time ()) 秒
new_style (boolean) – 是使用新样式（张量字段）还是旧样式（simple_value 字段）。新样式可能会导致更快的数据加载。
'''

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('runs')

for x in range(1,11):
    writer.add_scalar('y = 2x',3*x,x)
writer.close()

可视化最简单的办法是租服务器Autodl

 

 

直方图

from torch.utils.tensorboard import SummaryWriter
import numpy as np
writer = SummaryWriter()
for step in range(10) :
    x = np.random.randn(1000)
    writer.add_histogram('distribution of gaussion', x, step)

writer.close()

 

打印网络

#1）导入 tensorboard，实例化 SummaryWriter 类，指明记录日记路径等信息
#from torch.utils.tensorboard import SummaryWriter
# 实例化 SummaryWriter，并指明日志存放路径。在当前目录如果没有 logs 目录将自动创建
#writer = SummaryWriter(log_dir = 'logs')
# 调用实例
#writer.add_xxx()
# 关闭 writer
#writer.close()

#2）调用相应的 API，接口一般格式为：
#add_xxx(tag_name, object, iteration-number)

#3) 启动 tensorboard，在命令行中输入
#tensorboard --logdir=r’加 logs 所在路径’

#4) 复制网址在浏览器中打开

'''
#单条曲线(scalar)  add_scalar(tag, scalar_value, global_step=None, walltime=None)

tag (string) – 数据标识符
scalar_value (float 或 string/blobname) – 要保存的值
global_step (int) – 要记录的全局步长值
walltime (float) – 记录训练的时间，默认 walltime (time.time ()) 秒
new_style (boolean) – 是使用新样式（张量字段）还是旧样式（simple_value 字段）。新样式可能会导致更快的数据加载。
'''

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

writer = SummaryWriter()
class MLP(nn.Module) :
    def __init__(self):
        super(MLP, self).__init__()
        self.Net = nn.Sequential(
            nn.Linear(784, 512),
            nn.ReLU(),

            nn.Linear(512, 128),
            nn.ReLU(),

            nn.Linear(128, 10)
        )
    def forward(self, input):
        input = input.view(-1, 28 * 28)
        return self.Net(input)
model = MLP()
input = torch.FloatTensor(np.random.rand(32, 1, 28, 28))
writer.add_graph(model, input)

writer.close()

 详解Tensorboard及使用教程_进击的南方仔的博客-CSDN博客_tensorboard目录一、什么是Tensorboard二、配置Tensorboard环境要求安装三、Tensorboard的使用使用各种add方法记录数据单条曲线(scalar)多条曲线(scalars)直方图(histogram)图片(image)渲染(figure)网络(graph)其他三、结语一、什么是TensorboardTensorboard原本是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。PyTorhttps://blog.csdn.net/weixin_53598445/article/details/121301078