Pytorch训练过程可视化

最新推荐文章于 2025-05-15 17:22:53 发布

原创最新推荐文章于 2025-05-15 17:22:53 发布 · 589 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #python #深度学习

机器学习专栏收录该内容

3 篇文章

订阅专栏

本文介绍了如何在PyTorch中利用TensorBoardX进行训练过程的可视化，包括绘制曲线图和显示图片。首先，需要安装TensorBoardX及相关依赖，然后通过SummaryWriter记录数据。例如，可以创建一个简单的曲线图，并保存图片到日志目录。最后，启动TensorBoard服务查看可视化结果。这有助于理解和优化模型训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pytorch训练过程可视化

图表的世界充满了魔法，一条曲线可以瞬间揭示数据内容的情况，激发想象力，让事情变得更有说服力

TensorBoard

TensorBoard是TensorFlow提供的一组可视化工具(A Suite of Visualization Tools),可以帮助开发者理解、调试和优化TensorFlow程序，作为一款优秀的可视化组件，自然会被其他框架借用和引进。在PyTorch中也能通过TensorBoardX组件使用这一款可视化工具，TensorBoradX组件支持scalar、image、figure、histogram、audio、text、graph、onnx_graph、embedding、pr_curve和videosummaries等不同的可视化展示方式。
安装TensorBoardX组件

pip install tensorboardX
pip install tensorflow
pip install Tensorboard_logger

TensorBoard通过读取日志文件进行可视化，使用时需要引入SummaryWriter

from tensorboardX import SummaryWriter
writer=SummaryWriter()

python代码，展示曲线图

from tensorboardX import SummaryWriter
writer=SummaryWriter("logs")
for i in range(100):
    writer.add_scalar("y=x",i,i)
writer.close()

启动TensorBoard服务

$ tensorboard --host 127.0.0.1 --logdir=logs --port=6007

python代码，展示图片

from tensorboardX import SummaryWriter
import numpy as np
from PIL import Image

writer = SummaryWriter("logs")
image_path = "dataset/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
writer.add_image("test", img_array, 1, dataformats='HWC')
writer.close()