一 寫在前面
未經(jīng)允許，不得轉(zhuǎn)載，謝謝~~~
一個暑假都木有更新博客（/認真捂臉.jpg）
馬上就開學了，新學期加油哦~~~
這篇文章主要學習一下PyTorch如何用Tensorboard進行模型，數(shù)據(jù)以及訓練過程的可視化。
二 常用功能
2.1 TensorBoard基本設置
- 從
torch.utils中導入tensorboard中的SummaryWriter類;
from torch.utils.tensorboard import SummaryWriter
- 實例化用來記錄信息到TnesorBoard的
SummaryWriter類對象；
writer = SummaryWriter('logs/exp1/tensorboard')
- 其中
logs/exp1/tensorboard表示tensorboard的保存路徑。
2.2 將內(nèi)容寫入TensorBoard
1 寫入圖像
writer.add_image('my_images', img)
- 其中
img為想要存入的圖像；
2 寫入模型
writer.add_graph(net, images)
- 其中
net為網(wǎng)絡模型； - 其中
images為網(wǎng)絡模型的輸入；
3 寫入網(wǎng)絡訓練的loss等內(nèi)容
writer.add_scalar('loss', loss)
- 其中
loss為loss； - 當然也可以寫入其他的標量；
2.3 TensorBoard內(nèi)容查看
- 模型訓練完成之后會在你設置的目標文件夾下生成一個tensorboard文件。
$ ls logs/exp1/tensorboard/
events.out.tfevents.1566455334.bigvid-g01
- 找到這個文件，然后運行命令：
tensorboard --logdir=logs/exp1
- 然后根據(jù)命令行提示：
TensorBoard 1.8.0 at http://bigvid-g01:6006 (Press CTRL+C to quit)，把自己的服務器IP替換進去貼到瀏覽器就可以看到了：
scalars
images
三 寫在最后
這個用起來確實很方便，可以省去自己保存loss然后處理數(shù)據(jù)的煩惱，確實還不錯~
這篇文章目前只嘗試了scalar和images的寫入，其實還可以對模型以及數(shù)據(jù)的低維特征進行可視化~
更多的細節(jié)還請參考官網(wǎng)-VISUALIZING MODELS, DATA, AND TRAINING WITH TENSORBOARD哦~~(>ω<*)
