如何使用tensorboard及打开tensorboard生成文件

一、使用tensorboard

tensorboard中常用函数

1、writer.add_scalar()

def add_scalar(
	self,
	tag,
	scalar_value,
	global_step=None,
	walltime=None,
	new_style=False,
	double_precision=False,
):
Args:
	tag (string): Data identifier
	scalar_value (float or string/blobname): Value to save
	global_step (int): Global step value to record
	walltime (float): Optional override default walltime (time.time())with seconds after epoch of event
	new_style (boolean): Whether to use new style (tensor field) or old style (simple_value field). 
	New style could lead to faster data loading.

tag：所画图标的title，str类型，注意引号
scalar_value：需要保存的数值，对应y轴的y值
global_step：当前的全局步数，对应x轴

from torch.utils.tensorboard import SummaryWriter
            writer = SummaryWriter()
            for i in range(100):
                writer.add_scalar('y=2x', i * 2, i)
            writer.close()

2、writer.add_image()
作用：Add image data to summary.

def add_image(
	self, tag, img_tensor, global_step=None, walltime=None, dataformats="CHW"
):
Args:
	tag (string): Data identifier
	img_tensor (torch.Tensor, numpy.array, or string/blobname): Image data#注意此处要求数据类型
	global_step (int): Global step value to record
	walltime (float): Optional override default walltime (time.time()) seconds after epoch of event
	dataformats (string): Image data format specification of the form CHW, HWC, HW, WH, etc. 
#其中dataformats默认为(3, H, W)，C指channel，H指height，W指wide。

3、writer.add_images()
作用：Add batched image data to summary.

def add_images(
    self, tag, img_tensor, global_step=None, walltime=None, dataformats="NCHW"
):
Args:
	tag (string): Data identifier
	img_tensor (torch.Tensor, numpy.array, or string/blobname): Image data
	global_step (int): Global step value to record
	walltime (float): Optional override default walltime (time.time())
	  seconds after epoch of event
	dataformats (string): Image data format specification of the form
	  CHW, NHWC, CHW, HWC, HW, WH, etc.		
#其中dataformats默认为(N, 3, H, W),N指batch_size. C指channel，H指height，W指wide。

若img_tensor不是3 channels，一定要先用torch.reshape()方法将其修改为3 channels，否则会报错

    output  = torch.reshape(output,([-1, 3, H, W]))

4、writer.add_graph()

add_graph(model, input_to_model=None, verbose=False, use_strict_trace=True)
Parameters
	model (torch.nn.Module) – Model to draw.
	input_to_model (torch.Tensor or list of torch.Tensor) – A variable or a tuple of variables to be fed.
	verbose (bool) – Whether to print graph structure in console.
	use_strict_trace (bool) – Whether to pass keyword argument strict to torch.jit.trace. Pass False when
							 you want the tracer to record your mutable container types (list, dict)

二、打开tensorboard生成的文件

1、安装tensorboard，我使用的是自己创建的命名为pytorch的conda环境


安装完后可以在自己的anacanda环境对应目录下找到tensorboard.exe，将其加入到环境变量的Path中即可。

在cmd中输入tensorboard -h，出现下面的结果说明已经添加了

2、训练模型。训练后得到一个log文件，它就是我们要可视化的数据，复制该文件的路径。

3、在cmd或者Pycharm的Terminal中输入tensorboard --logdir=log文件所在路径。得到结果：TensorBoard 2.8.0 at http://localhost:6006/ (Press CTRL+C to quit)

若需要同时打开多个，可以输入 tensorboard --logdir={log文件所在路径} –port=6007 创建不同端口号的网址。

4、不要关闭cmd，把网址http://localhost:6006/输入到浏览器即可打开tensorboard

三、本地浏览器显示服务器中Tensorboard的内容操作步骤

如果代码和项目都在云服务器中，这时如果需要在本地浏览器中查看Tensorboard的运行效果，就需要按照如下的步骤进行操作：

将服务器中Tensorboard的端口6006映射到本地端口16006，在终端中输入：
ssh -L 16006:127.0.0.1:6006 用户名@服务器ip -p 22
22为服务器的端口号
输入服务器登录密码
激活服务器端python环境，在终端中运行：tensorboard --logdir={tensorboard文件位置}
在本地服务器输入：http://localhost:16006

更简单的查看服务器中Tensorboard内容的方法

下载vnc viewer，连上后打开火狐浏览器直接输入http://localhost:6006/即可访问到了。