Pytorch使用TensorBoard 教你怎样在Pytorch中使用TensorBoard

什么是TensorboardX

Tensorboard 是 TensorFlow 的一个附加工具，可以记录训练过程的数字、图像等内容，以方便研究人员观察神经网络训练过程。可是对于 PyTorch 等其他神经网络训练框架并没有功能像 Tensorboard 一样全面的类似工具，一些已有的工具功能有限或使用起来比较困难 (tensorboard_logger, visdom等) 。TensorboardX 这个工具使得 TensorFlow 外的其他神经网络框架也可以使用到 Tensorboard 的便捷功能。TensorboardX 的 github仓库在这里。

TensorboardX 的文档相对详细，但大部分缺少相应的示例。本文是对TensorboardX 各项功能的完整介绍，每项都包含了示例，给出了可视化效果，希望可以方便大家的使用。笔者水平有限，还请读者们斧正，相关问题可以在留言区提出，我尽量解答。

TensorBoard是TensorFlow中强大的可视化工具

安装TensorBoard

pip install tensorboard

pip install future

代码演示

import numpy as np
from torch.utils.tensorboard import SummaryWriter
 
writer = SummaryWriter(comment='test_tensorboard')
 
for x in range(100):
 
    writer.add_scalar('y=2x', x * 2, x)
    writer.add_scalar('y=pow(2, x)',  2 ** x, x)
    
    writer.add_scalars('data/scalar_group', {"xsinx": x * np.sin(x),
                                             "xcosx": x * np.cos(x),
                                             "arctanx": np.arctan(x)}, x)
writer.close()

运行完，会保存在当前目录的runs文件底下。

查看结果

# cd 到当前的工作目录下，如：
cd 19RNN\predrnn-pytorch-master\predrnn-pytorch-master
 
# 运行 tensorboard
tensorboard --logdir "./"

浏览器中输入查看的地址

http://127.0.0.1:6006/

额外知识点：

 （1）writer.add_scalar()
功能：将标量添加到 summary
参数：
tag (string)：数据标识符
scalar_value (float or string/blobname)：要保存的数值
global_step (int)：全局步值
walltime (float)：可选参数，用于记录发生的时间，默认为 time.time()

（2）writer.add_scalars()
功能：添加多个标量数据到 summary 中
参数：
main_tag (string)：tag 的父级名称
tag_scalar_dict (dict)：保存 tag 及相应的值的键值对
global_step (int)：全局步值
walltime (float) 可选参数，可选参数，用于记录发生的时间，默认为 time.time()
两者区别
writer.add_scalar() 添加一个标量到 summary
writer.add_scalars() 可以同时添加多个标量到 summary 中，多个标量需要使用键值对的形式输入
两者共同点
第一个参数可简单理解为保存到 tensorboard 日志文件中的标量图像的名称
第二个参数可简单理解为图像的 y 轴数据
第三个参数可简单理解为图像的 x 轴数据
第四个参数都是可选参数，用于记录发生的时间，默认为 time.time()