pytorch中使用tensorboard

簡介：

Tensorboard是tensorflow內置的一個可視化工具，它通過將tensorflow程序輸出的日誌文件的信息可視化使得tensorflow程序的理解、調試和優化更加簡單高效。 Tensorboard的可視化依賴於tensorflow程序運行輸出的日誌文件，因而tensorboard和tensorflow程序在不同的進程中運行。 TensorBoard給我們提供了極其方便而強大的可視化環境。它可以幫助我們理解整個神經網絡的學習過程、數據的分佈、性能瓶頸等等。

安裝：

pip install tensorboard
pip install tensorboardx

 pytorch 1.1以後的版本內置了SummaryWriter 函數,所以不需要再安裝tensorboardx了

功能介紹：

1. scalar：writer.add_scalar() 添加一個張量，諸如loss，accuracy等
2. graph：writer.add_graph()常用於可視化網絡結構
3. images：可視化當前輪訓練使用的訓練/測試圖片或者 feature maps
4. histograms：可視化張量的取值分佈，記錄變量的直方圖(統計張量隨着迭代輪數的變化情況）
5. projector：全稱Embedding Projector 高維向量進行可視化

實例：

from tensorboardX import SummaryWriter
import numpy as np
writer = SummaryWriter('logs')

r = 5
for i in range(100):
    writer.add_scalars('run_14h', {'xsinx': i * np.sin(i / r),
                                   'xcosx': i * np.cos(i / r),
                                   'tanx': np.tan(i / r)}, i)
writer.close()

運行完成後，輸入

tensorboard --logdir=logs

 打開了瀏覽器：http://localhost:6006/ 就可以看到可視化的界面了