EventStorage +TensorBoard

EventStorage 和 TensorBoard 可以通过 TensorboardXWriter 来结合使用，从而将训练过程中的标量信息（如损失、准确率等）记录到 TensorBoard 中进行可视化。

TensorBoard 是一个强大的可视化工具，常用于监控神经网络训练的过程，TensorboardXWriter 是 Detectron2 中提供的用于将信息写入 TensorBoard 的工具。

如何使用 EventStorage 和 TensorboardXWriter 结合

EventStorage 本身用于存储和管理训练过程中的标量数据，它通过与不同的记录器（例如 TensorboardXWriter、JSONWriter 等）配合使用来记录和保存训练过程中的信息。TensorboardXWriter 会将这些信息写入到 TensorBoard 日志文件中，你可以通过 TensorBoard 来实时监控训练过程。

以下是如何将 EventStorage 与 TensorboardXWriter 结合使用的完整示例：

1. 创建 TensorBoard Writer

首先，你需要设置 TensorboardXWriter，它是用来将训练过程中记录的信息写入 TensorBoard 的。TensorboardXWriter 会将数据保存到一个指定目录。

from detectron2.utils.events import EventStorage, TensorboardXWriter
import os

# 设置输出目录
output_dir = "path/to/output_dir"
tensorboard_writer = TensorboardXWriter(output_dir)

2. 在训练过程中使用 EventStorage 记录标量信息

在训练过程中，EventStorage 用来管理训练的标量信息。你可以在训练的每个步骤中使用 EventStorage 来记录信息。

from detectron2.utils.events import EventStorage

# 假设你已经有了训练的循环
with EventStorage(start_iter) as storage:
    for iteration in range(start_iter, max_iter + 1):
        # 假设你在训练中计算了损失
        loss_value = compute_loss()  # 计算损失的代码

        # 记录损失值到 EventStorage
        storage.put_scalar("loss", loss_value)

        # 在 TensorBoard 中记录标量信息
        tensorboard_writer.write()

        # 如果需要，可以记录更多的标量信息
        # storage.put_scalar("accuracy", accuracy)
        # storage.put_scalar("learning_rate", lr)

        # 更新 storage 状态
        storage.step()

3. 在训练过程中写入 TensorBoard

每次在 EventStorage 记录标量信息后，你可以通过 TensorboardXWriter 将这些信息写入 TensorBoard 中。通常来说，你会在每个训练迭代结束时调用 write() 方法，将数据写入 TensorBoard 日志。

for iteration in range(start_iter, max_iter + 1):
    # 训练步骤...
    
    # 记录标量信息
    storage.put_scalar("loss", loss_value)
    tensorboard_writer.write()  # 将信息写入 TensorBoard
    
    # 更新 storage
    storage.step()

4. 启动 TensorBoard

一旦你开始使用 TensorboardXWriter 写入 TensorBoard 日志，你可以通过以下命令启动 TensorBoard 并查看实时的训练可视化信息：

tensorboard --logdir=path/to/output_dir

然后你可以打开浏览器，访问 http://localhost:6006/ 来查看训练的可视化结果。

总结：如何结合使用 EventStorage 和 TensorBoard

1. 创建 TensorboardXWriter：用于将训练过程中的标量信息写入 TensorBoard。

2. 在训练过程中记录信息：使用 EventStorage.put_scalar() 方法记录标量信息（如损失、准确率等）。

3. 将信息写入 TensorBoard：通过 TensorboardXWriter.write() 方法将记录的信息保存到 TensorBoard 日志。

4. 启动 TensorBoard：使用 tensorboard 命令查看训练的进展和各类指标。

from detectron2.utils.events import EventStorage, TensorboardXWriter
import os

output_dir = "path/to/output_dir"
tensorboard_writer = TensorboardXWriter(output_dir)

start_iter = 1
max_iter = 1000

# 假设你的训练过程
with EventStorage(start_iter) as storage:
    for iteration in range(start_iter, max_iter + 1):
        # 假设你计算了损失值
        loss_value = compute_loss()  # 你自己的损失计算方式

        # 记录损失值到 EventStorage
        storage.put_scalar("loss", loss_value)

        # 将标量信息写入 TensorBoard
        tensorboard_writer.write()

        # 更新 storage 状态
        storage.step()

        if iteration % 100 == 0:
            print(f"Iteration {iteration}, Loss: {loss_value}")

# 启动 TensorBoard
# 在命令行中运行: tensorboard --logdir=path/to/output_dir

在这个示例中，EventStorage 管理了训练过程中记录的标量数据，并通过 TensorboardXWriter.write() 将这些数据写入 TensorBoard 日志文件。然后你可以通过 TensorBoard 查看训练过程中损失的变化和其他记录的指标。