【VS Code 使用tensorboard功能技巧】

1 安装依赖库

pip install teorbaord
pip install torch_tb_profiler

安装上面的库后，在代码中点击启动，

弹出选择log日志文件夹，

启动成功后，弹出tensorboard页面，查看数据、图表，点击刷新，观察实时变化。

若启动失败，执行

1. 打开一个环境终端，pip list，查看是否安装了 tb-nightly，若有则卸载：
2. pip uninstall tb-lightly
3. pip uninstall tensorboard 及 tensorboard相关的包，
	或者在方法2：进入环境中\Lib\site-packages中删除tensorboard 及tensorboard相关的包
5. 重新打开一个环境终端，重新安装tensorboard相关包
6. pip install teorbaord
7. pip install torch_tb_profiler

2 使用tensorboard功能

（1）Tensorboard常用的四个功能
graphs： 保存网络结构图；
scalars： 精确度，学习率，损失曲线；
histograms： 训练权重分布；
images： 展示图像信息。
（2）画线——add_scalaar

from torch.utils.tensorboard import SummaryWriter
# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir="./logs") 
# 指定保存位置
# y = 2 * x
for i in range(100):
    
# 添加标题，x轴，y轴
    
# tag: 标题名， scalar_value: y轴， global_step: x轴
    writer.add_scalar(tag="y=2x",scalar_value=2*1,global_step=i)
    # writer.add_scalar('training loss',train_total_loss,epoch)
# 关闭
writer.close()

在VS Code里执行以上代码，就会在生成的logs文件夹里保存相关文件。
在虚拟环境终端中进入到logs的上级目录，输入启动指令（如下），点击生成的链接即可查看结果。

# 使用默认端口
tensorboard --logdir=logs
# 使用指定端口
tensorboard --logdir=logs --port=6007
或者 tensorboard --logdir 完整路径 --host=127.0.0.1

终端键入Ctrl + C结束进程。

（3）展示单/多张张图像——add_image/add_images

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir="./logs") 
# 指定保存位置
# 图像地址
image_path = "/home/chenshili/图片/food_01.jpeg"
# 打开图像
img_PIL = Image.open(image_path) 
# 用PIL打开的图像，其文件格式是PIL的特有类
# 转化成numpy数据,因为add_image只能传入array或者tensor数据，所以要做类型转化。
img_array = np.array(img_PIL)
# 开始画图，tag: 标题，img_tensor: tensor或者numpy类型的数据， dataformats： H高W宽C通道，指定HWC类型
writer.add_image(tag="train",img_tensor=img_array,global_step=1,dataformats="HWC")

img=torch.stack([img_array,img_array,img_array],dim=0)
writer.add_images('train_example_image',img)
# 关闭
writer.close()

（4）画模型——add_graph

from torch.utils.tensorboard import SummaryWriter
import torch
from torch.nn import Linear,ReLU,Sequential
# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir="./logs") 
# 指定保存位置
model = Sequential(
    Linear(1,10),
    ReLU(),
    Linear(10,1)
)
data = torch.ones(10,1)
writer.add_graph(model=model,input_to_model=data)
# 关闭
writer.close()

（5）存放不同文件夹，对比参数

from torch.utils.tensorboard import SummaryWriter
import os
import datetime
# 按时间构建生成文件保存的文件夹
log_dir = os.path.join("./logs",datetime.datetime.now().strftime("%Y%m%d_%H%M%S"))
print(log_dir)
# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir=log_dir) 
# 指定保存位置
for i in range(100):
    writer.add_scalar(tag="loss",scalar_value=1*i,global_step=i)
    
# 多执行几次把scalar_value的值做修改，如2*i，i等
# 关闭
writer.close()