什么是TensorboardX

Tensorboard 是 TensorFlow 的一個附加工具，可以記錄訓(xùn)練過程的數(shù)字、圖像等內(nèi)容，以方便研究人員觀察神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程。可是對于 PyTorch 等其他神經(jīng)網(wǎng)絡(luò)訓(xùn)練框架并沒有功能像 Tensorboard 一樣全面的類似工具，一些已有的工具功能有限或使用起來比較困難 (tensorboard_logger, visdom等) 。TensorboardX 這個工具使得 TensorFlow 外的其他神經(jīng)網(wǎng)絡(luò)框架也可以使用到 Tensorboard 的便捷功能。TensorboardX 的 github倉庫在這里。

TensorboardX 的文檔相對詳細(xì)，但大部分缺少相應(yīng)的示例。本文是對TensorboardX 各項功能的完整介紹，每項都包含了示例，給出了可視化效果，希望可以方便大家的使用。筆者水平有限，還請讀者們斧正，相關(guān)問題可以在留言區(qū)提出，我盡量解答。

TensorBoard是TensorFlow中強大的可視化工具

安裝TensorBoard

pip install tensorboard

pip install future

代碼演示

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()

運行完，會保存在當(dāng)前目錄的runs文件底下。

查看結(jié)果

# cd 到當(dāng)前的工作目錄下，如：
cd 19RNN\predrnn-pytorch-master\predrnn-pytorch-master
 
# 運行 tensorboard
tensorboard --logdir "./"

瀏覽器中輸入查看的地址

http://127.0.0.1:6006/

額外知識點：

 （1）writer.add_scalar()
功能：將標(biāo)量添加到 summary
參數(shù)：
tag (string)：數(shù)據(jù)標(biāo)識符
scalar_value (float or string/blobname)：要保存的數(shù)值
global_step (int)：全局步值
walltime (float)：可選參數(shù)，用于記錄發(fā)生的時間，默認(rèn)為 time.time()

（2）writer.add_scalars()
功能：添加多個標(biāo)量數(shù)據(jù)到 summary 中
參數(shù)：
main_tag (string)：tag 的父級名稱
tag_scalar_dict (dict)：保存 tag 及相應(yīng)的值的鍵值對
global_step (int)：全局步值
walltime (float) 可選參數(shù)，可選參數(shù)，用于記錄發(fā)生的時間，默認(rèn)為 time.time()
兩者區(qū)別
writer.add_scalar() 添加一個標(biāo)量到 summary
writer.add_scalars() 可以同時添加多個標(biāo)量到 summary 中，多個標(biāo)量需要使用鍵值對的形式輸入
兩者共同點
第一個參數(shù)可簡單理解為保存到 tensorboard 日志文件中的標(biāo)量圖像的名稱
第二個參數(shù)可簡單理解為圖像的 y 軸數(shù)據(jù)
第三個參數(shù)可簡單理解為圖像的 x 軸數(shù)據(jù)
第四個參數(shù)都是可選參數(shù)，用于記錄發(fā)生的時間，默認(rèn)為 time.time()

到此這篇關(guān)于教你如何在Pytorch中使用TensorBoard的文章就介紹到這了,更多相關(guān)Pytorch使用TensorBoard內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！