pytorch教程3----TensorBoard

       安装了TensorBoard（pip install tensorboard），就可以让你记录PyTorch模型。 并将指标放入一个目录中(events文件)，以便在 TensorBoard UI 中进行可视化。 标量、图像、直方图、图形和嵌入可视化都是支持的。

例如：

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

writer = SummaryWriter()

write = SummaryWriter("保存文件的路径")  #可以传入路径

for n_iter in range(100):
    writer.add_scalar('Loss/train', np.random.random(), n_iter)
    writer.add_scalar('Loss/test', np.random.random(), n_iter)
    writer.add_scalar('Accuracy/train', np.random.random(), n_iter)
    writer.add_scalar('Accuracy/test', np.random.random(), n_iter)
    """ 
    add_scalar（标记、scalar_value、global_step=无、墙时间=无、new_style=假、double_precision=假)
    标记 （str） – 数据标识符
    scalar_value（浮点型或字符串/blob 名称）– 要保存的值
    global_step （int） – 要记录的全局步长值
    walltime （float） – 可选覆盖默认 walltime （time.time（）） 事件纪元后的秒数
    new_style（布尔值）– 是使用新样式（张量场）还是旧样式 样式（simple_value字段）。新样式可能会导致更快的数据加载。
    
    """

step1:

     执行上述代码，文件夹会保存一个events文件；

step2:

     在命令行输入 -------注意文件路径不需要events路径，为events上一级路径；

    tensorboard --logdir=D:\Codes\one_two_UDA\Depth_Distribution\runs\May26_10-58-53_DESKTOP-CJ7KNIV  

    结果如下：

    events目录如下：

 step3:

     浏览器输入：http://localhost:6006/ 

     结果如下：

 1.多图像保存

from torch.utils.tensorboard import SummaryWriter
import numpy as np
writer = SummaryWriter()
for n_iter in range(100):
    writer.add_scalars('Loss',{"train":np.random.random(),
                               "var":np.random.random()},n_iter)
    """
    add_scalars（main_tag、tag_scalar_dict、global_step=无、挂载时间=无)
    参数介绍：
    main_tag （str） – 标签的父名称
    tag_scalar_dict （dict） – 存储标签和相应值的键值对
    global_step （int） – 要记录的全局步长值
    walltime （float） – 可选覆盖默认 walltime （time.time（）） 事件纪元后的几秒钟
    """
writer.close()

结果：

 其他图像函数见pytorch官网:torch.utils.tensorboard — PyTorch 2.0 文档