在Pytorch中使用Tensorboard

Tensorboard: TensorFlow 的可视化工具包

Tensorboard提供了机器学习所需的可视化功能和工具，嘎嘎好用，

• 跟踪和可视化损失及准确率等指标
• 可视化模型图（操作和层）
• 查看权重、偏差或其他张量随时间变化的直方图
• 将嵌入投射到较低的维度空间
• 显示图片、文字和音频数据
• 剖析 TensorFlow 程序

写这篇文章的目的，是为了记录如何在pytorch框架中使用TensorBoard

TensorBoard的安装

pip install tensorboard

对于tensorboard，一般直接安装最新版本就可以使用了

一般这样子就已经安装成功了，就可以开始体验tensorboard了。

TensorBoard的基本使用逻辑

1. 用户将要可视化的数据，保存到一个特定的文件夹中
2. TensorBoard读取这个文件夹中的数据，并在本地浏览器的localhost中进行展示

在Pytorch中使用TensorBoard

torch.utils.tensorboard

torch.utils.tensorboard可以用来把训练过程中的需要追踪的各种数据，比如scaler、digram、metric等，记录到一个特定的文件夹中，以便在TensorBoard UI中进行可视化。

from torch.utils.tensorboard import SummaryWriter

SummaryWriter提供了各种方法，可以将想要可视化展示的数据，写入到特定文件夹中。
首先实例化一个SummaryWriter，SummaryWriter的构造函数参数如下图所示

writer = SummaryWriter(log_dir="./path/log")

调用SummaryWriter的各种方法将数据保存到文件夹中

如下图所示，对于不同的数据，SummaryWriter提供了相对应的方法。

具体方法的使用看Pytorch文档

TensorBoard UI可视化

1. 首先我们在终端启动TensorBoard服务

tensorboard --logdir="./path/log" --port=7788

• --logdir：用于指定保存数据的文件夹
• --port：用于指定本地端口号

这样子tensorboard本地服务就已经启动成功，我们在浏览器打开[localhost:7788](localhost:7788

2. 向文件夹中写入数据 我们使用以下这段代码，向文件夹写入一些数据，代码来自pytorch文档

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

writer = SummaryWriter()

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)

执行这段代码之后，我们就成功向文件夹写入了数据

这时候我们回到localhost:7788查看，就会发现数据已经被展示在网页中了