pytorch中使用tensorboard

简介：

Tensorboard是tensorflow内置的一个可视化工具，它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。 Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，因而tensorboard和tensorflow程序在不同的进程中运行。 TensorBoard给我们提供了极其方便而强大的可视化环境。它可以帮助我们理解整个神经网络的学习过程、数据的分布、性能瓶颈等等。

安装：

pip install tensorboard
pip install tensorboardx

 pytorch 1.1以后的版本内置了SummaryWriter 函数,所以不需要再安装tensorboardx了

功能介绍：

1. scalar：writer.add_scalar() 添加一个张量，诸如loss，accuracy等
2. graph：writer.add_graph()常用于可视化网络结构
3. images：可视化当前轮训练使用的训练/测试图片或者 feature maps
4. histograms：可视化张量的取值分布，记录变量的直方图(统计张量随着迭代轮数的变化情况）
5. projector：全称Embedding Projector 高维向量进行可视化

实例：

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()

运行完成后，输入

tensorboard --logdir=logs

 打开了浏览器：http://localhost:6006/ 就可以看到可视化的界面了