Pytorch的模型结构可视化（tensorboard）

最新推荐文章于 2025-05-24 16:33:01 发布

原创

最新推荐文章于 2025-05-24 16:33:01 发布 · 1.1w 阅读

32 ·

CC 4.0 BY-SA版权

本文介绍了如何使用TensorboardX在Pytorch中进行模型结构和训练过程的可视化，通过一个CNN训练MNIST手写数字分类的例子，详细讲解了从安装到可视化的步骤，包括保存模型结构和在浏览器中查看模型图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在pytorch中，可以导入tensorboard模块，可视化网络结构及训练流程。

下面通过“CNN训练MNIST手写数字分类”的小例子来学习一些可视化工具的用法，只需要加少量代码。

一、tensorboardX的安装

pip install tensorboard
pip install tensorflow
pip install tensorboardX

二、导入tensorboardX

import torch
import torch.nn as nn
from torch.autograd import Variable
from torch.utils.data import DataLoader
from torchvision import datasets,transforms

#writer就相当于一个日志，保存你要做图的所有信息。第二句就是在你的项目目录下建立一个文件夹log，存放画图用的文件。刚开始的时候是空的
from tensorboardX import SummaryWriter
writer = SummaryWriter('log') #建立一个保存数据用的东西

三、搭建模型

#定义超参数
batch_size = 64
learning_rate = 1e-2
num_epoches = 20

#对数据进行预处理
data_tf = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize([0.5],[0.5])]
)


# 定义网络
class CNN(nn.Module):
    def __init__(self):
        super(CNN, se