pytorch中使用tensorboard

最新推荐文章于 2025-06-25 17:07:33 发布

为什么四川人喜欢日李先人

最新推荐文章于 2025-06-25 17:07:33 发布

阅读量442

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch 深度学习文章标签：可视化神经网络 python 深度学习

本文链接：https://blog.youkuaiyun.com/qq_34325086/article/details/106850752

TensorBoard是TensorFlow的可视化工具，但也可用于PyTorch。通过SummaryWriter，用户可以轻松地可视化损失、网络结构、图像和张量分布。在PyTorch 1.1及以上版本中，不再需要额外安装tensorboardx。使用writer.add_scalar()、writer.add_graph()等方法，可以展示损失曲线、网络图和更多内容。在完成运行后，通过访问http://localhost:6006/即可查看实时更新的可视化界面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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：

scalar：writer.add_scalar() 添加一个张量，诸如loss，accuracy等
graph：writer.add_graph()常用于可视化网络结构
images：可视化当前轮训练使用的训练/测试图片或者 feature maps
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）
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),