在Pytorch中使用Tensorboard进行数据可视化

Introduction

• 在Pytorch中，可以使用Tensorboard来进行数据可视化

• 使用的类是torch.utils.tensorboard.writer.SummaryWriter

Methods

• torch.utils.tensorboard.writer.SummaryWriter(log_dir=None,comment='',purge_step=None,max_queue=10,flush_secs=120,filename_suffix='')
  

• 具体的方法

  '''
  	用于单个标量数据
  	参数：
  		tag (string)：数据标识符
  		scalar_value (float or string/blobname)：要保存的数值
  		global_step (int)：全局步值
  		walltime (float)：可选参数，用于记录发生的时间，默认为 time.time()
  '''
  add_scalar(tag,scalar_value,global_step=None,walltime=None) # 用于单个标量数据
  
  
  '''
  	添加多个标量数据到 summary 中
  	参数：
  		main_tag (string)：tag 的父级名称
  		tag_scalar_dict (dict)：保存 tag 及相应的值的键值对
  		global_step (int)：全局步值
  		walltime (float) 可选参数，可选参数，用于记录发生的时间，默认为 time.time()
  '''
  add_scalars(main_tag,tag_scalar_dict,global_step=None,walltime=None) # 添加多个标量数据
  

• 对两个方法的理解

  • 第一个参数可简单理解为保存到 tensorboard 日志文件中的标量图像的名称
  • 第二个参数可简单理解为图像的 y 轴数据
  • 第三个参数可简单理解为图像的 x 轴数据
  • 第四个参数都是可选参数，用于记录发生的时间，默认为 time.time()

Case Study

import numpy as np
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter()
for epoch in range(100):
    writer.add_scalar('tensorboard_test/add_scalar/squared', np.square(epoch), epoch)

writer.close()

• 运行完成后，会在当前的工作目录下自动生成一个runs 目录
  

• 运行 tensorboard

  # cd 到当前的工作目录下，如：
  cd /Test
  
  # 运行 tensorboard
  tensorboard --logdir "./runs"
  

• 浏览器中输出查看的地址

   http://localhost:6006/
  

• 查看结果