Pytorch 之 tensorboard

Pytorch系列

---

---

前言

Tensorboard为是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。

PyTorch也推出了自己的可视化工具，叫做torch.utils.tensorboard。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、Summarywriter类

该类的初始化函数以及相关变量如下。

使用该类时常用的两个方法是add_image()和add_scale()。且需要注意使用该方法最后需要调用close()方法关闭相关。
一般在创建该类对象时会传递一个log_dir变量，指定了数据保存的文件夹的位置，如果该文件夹不存在则会创建一个出来。如果没有指定的话，默认的保存的文件夹是./runs/现在的时间_主机名，例如：Feb04_22-42-47_Alienware，因此每次运行之后都会创建一个新的文件夹。在写论文的时候我们会涉及一系列实验，从不同的角度来说明一些问题，例如我们的假设是否正确、模型性能是否更好……因此最好不要用默认的实现来直接作为存放数据的文件夹，而是使用具有含义的二级结构，例如：runs/exp1。这样的话，所有的实验1的数据都在这个文件夹下，这样我们就可以方便的进行