1、TensorBoard简介
TensorBoard:TensorFlow中强大的可视化工具;
支持标量、图像、文本、音频、视频和Embedding等多种数据可视化;
在学习TensorBoard之前,先对其运行机制有大概的了解:
- 在python脚本中记录可视化的数据;
- 记录的数据会以event file(事件文件)存放到硬盘中;
- 在终端使用TensorBoard读取event file,TensorBoard在网页端进行可视化;
下面通过代码学习TensorBoard的具体使用:
import numpy as np
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter(comment='test_tensorboard') # 用于记录要可视化的数据
for x in range(100):
writer.add_scalar('y=2x', x * 2, x) # 'y=2x'是标量的名称, x*2是曲线的y轴,x是曲线的x轴
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()
运行上述代码后,会在文件夹中保存一个文件,这就是第二步中的event file文件。要使用TensorBoard,首先需要安装TensorBoard,下面介绍一下怎么安装TensorBoard。
2、TensorBoard安装
在Pycharm的Terminal中安装TensorBoard,输入pip install tensorboard,提示安装完成后;输入pip install future,这样就可以正常运行代码了。
3、TensorBoard运行可视化
在运行上述代码得到event file文件之后,在terminal输入tensorboard --logdir=./runs,在terminal中得到以下输出:
TensorBoard 2.1.1 at http://localhost:6006/ (Press CTRL+C to quit)
点击这个网址就能打开可视化界面;