什么是TensorboardX

Tensorboard 是 TensorFlow 的一個附加工具，可以記錄訓練過程的數字、圖像等內容，以方便研究人員觀察神經網絡訓練過程。可是對于 PyTorch 等其他神經網絡訓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 外的其他神經網絡框架也可以使用到 Tensorboard 的便捷功能。TensorboardX 的 github倉庫在這里。

TensorboardX 的文檔相對詳細，但大部分缺少相應的示例。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，相關問題可以在留言區提出，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，會保存在當前目錄的runs文件底下。

查看結果

# cd 到當前的工作目錄下，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：將標量添加到 summary
參數：
tag (string)：數據標識符
scalar_value (float or string/blobname)：要保存的數值
global_step (int)：全局步值
walltime (float)：可選參數，用于記錄發生的時間，默認為 time.time()

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

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