PyTorch学习—15.PyTorch中TensorBoard的使用

文章目录

一、TensorBoard简介与安装
- 1.TensorBoard的运行机制
- 2. TensorBoard安装
二、TensorBoard的使用
- 1.SummaryWriter

一、TensorBoard简介与安装

TensorBoard是一种可视化工具。在训练过程中，我们要可视化训练过程，用来监控我们当前训练的训练状态。TensorBoard是TensorFlow中强大的可视化工具，但目前PyTorch已支持TensorBoard的使用，支持标量、图像、文本、音频、视频和Eembedding等多种数据可视化。

1.TensorBoard的运行机制

python脚本中记录可视化的数据
将数据存储在硬盘中，以event file的形式存储
在终端使用TensorBoard工具读取event file的形式数据，TensorBoard工具在Web端进行可视化

网址即为可视化后的网址

2. TensorBoard安装

在conda中直接输入pip install tensorboard来进行安装

二、TensorBoard的使用

1.SummaryWriter

class SummaryWriter(object):def __init__(self, log_dir=None, comment='', purge_step=None, max_queue=10,flush_secs=120, filename_suffix=''):...

功能：提供创建event file的高级接口
主要属性：

log_dir：event file输出文件夹
comment：不指定log_dir时，文件夹后缀
filename_suffix：event file文件名后缀

下面展示这三个参数的使用

import os
import numpy as np
import matplotlib.pyplot as plt
from torch.utils.tensorboard import SummaryWriterlog_dir = "./train_log/test_log_dir"
writer = SummaryWriter(log_dir=log_dir, comment='_scalars', filename_suffix="12345678")for x in range(100):writer.add_scalar('y=pow_2_x', 2 ** x, x)writer.close()

import os
import numpy as np
import matplotlib.pyplot as plt
from torch.utils.tensorboard import SummaryWriterlog_dir = "./train_log/test_log_dir"
writer = SummaryWriter(comment='_scalars', filename_suffix="12345678")for x in range(100):writer.add_scalar('y=pow_2_x', 2 ** x, x)writer.close()

主要方法：

add_scalar
```
add_scalar(tag, scalar_value, global_step=None, walltime=None)
```
功能：记录标量，缺点是只能记录一条曲线
- tag：标签名，唯一标识
- scalar_value：要记录的标量
- global_step：x轴
add_scalars()
```
add_scalars(main_tag, tag_scalar_dict, global_step=None, walltime=None)
```
- main_tag：标签
- tag_scalar_dict：key是变量的tag，value是变量的值

上述两个方法的使用如下：

import os
import numpy as np
import matplotlib.pyplot as plt
from torch.utils.tensorboard import SummaryWriter
max_epoch = 100writer = SummaryWriter(comment='test_comment', filename_suffix="test_suffix")for x in range(max_epoch):writer.add_scalar('y=2x', x * 2, x)writer.add_scalar('y=pow_2_x', 2 ** x, x)writer.add_scalars('materials/scalar_group', {"xsinx": x * np.sin(x),"xcosx": x * np.cos(x)}, x)writer.close()

生成的事件文件为：

此时，在终端可视化后可得

点击这个网址，会使用默认浏览器打开可视化界面

add_histogram()
```
add_histogram(tag, values, global_step=None, bins='tensorflow', walltime=None)
```
功能：统计直方图与多分位数折线图，用于分析模型参数分布与梯度分布是非常有用的
- tag：标签名，唯一标识
- values：要统计的参数
- global_step：y轴
- bins：取直方图的bins

import os
import numpy as np
import matplotlib.pyplot as plt
from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter(comment='test_comment', filename_suffix="test_suffix")for x in range(2):np.random.seed(x)# 等差分布data_union = np.arange(100)# 正态分布data_normal = np.random.normal(size=1000)writer.add_histogram('distribution union', data_union, x)writer.add_histogram('distribution normal', data_normal, x)plt.subplot(121).hist(data_union, label="union")plt.subplot(122).hist(data_normal, label="normal")plt.legend()plt.show()writer.close()

在tensorboard的wed端显示：

如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论或者私信！

PyTorch学习—15.PyTorch中TensorBoard的使用相关推荐

Pytorch学习 - Task5 PyTorch卷积层原理和使用
Pytorch学习 - Task5 PyTorch卷积层原理和使用 1. 卷积层 (1)介绍 (torch.nn下的) 1) class torch.nn.Conv1d() 一维卷积层 2) clas ...
Pytorch学习 - Task6 PyTorch常见的损失函数和优化器使用
Pytorch学习 - Task6 PyTorch常见的损失函数和优化器使用官方参考链接 1. 损失函数 (1)BCELoss 二分类计算公式小例子: (2) BCEWithLogitsLoss ...
PyTorch学习记录——PyTorch进阶训练技巧
PyTorch学习记录--PyTorch进阶训练技巧 1.自定义损失函数 1.1 以函数的方式定义损失函数 1.2 以类的方式定义损失函数 1.3 比较与思考 2.动态调整学习率 2.1 官方提供的s ...
PyTorch学习记录——PyTorch生态
Pytorch的强大并不仅局限于自身的易用性,更在于开源社区围绕PyTorch所产生的一系列工具包(一般是Python package)和程序,这些优秀的工具包极大地方便了PyTorch在特定领域的使 ...
速成pytorch学习——4天中阶API示范
使用Pytorch的中阶API实现线性回归模型和和DNN二分类模型. Pytorch的中阶API主要包括各种模型层,损失函数,优化器,数据管道等等. 一,线性回归模型 1,准备数据 import nu ...
1.pytorch学习:安装pytorch
目录安装pytorch 检查pytorch安装是否成功总结安装pytorch 官方网址: Start Locally | PyTorchhttps://pytorch.org/get-start ...
PyTorch学习笔记——pytorch图像处理（transforms）
原始图像 2.图像处理.转不同格式显示 import torch import torchvision import torchvision.transforms as transforms impo ...
PyTorch学习笔记2：nn.Module、优化器、模型的保存和加载、TensorBoard
文章目录一.nn.Module 1.1 nn.Module的调用 1.2 线性回归的实现二.损失函数三.优化器 3.1.1 SGD优化器 3.1.2 Adagrad优化器 3.2 分层学习率 3 ...
add函数 pytorch_Pytorch学习记录-Pytorch可视化使用tensorboardX
Pytorch学习记录-Pytorch可视化使用tensorboardX 在很早很早以前(至少一个半月),我做过几节关于tensorboard的学习记录. https://www.jianshu.co ...
Pytorch学习笔记总结
往期Pytorch学习笔记总结: 1.Pytorch实战笔记_GoAI的博客-CSDN博客 2.Pytorch入门教程_GoAI的博客-CSDN博客 Pytorch系列目录: PyTorch学习笔记( ...