一文讲通 tensorboard同时观察技巧: 实现清楚地观察多实验以及每个实验多变量

本文链接：https://blog.youkuaiyun.com/sundayberrysharp/article/details/128655973

文章介绍了如何使用Tensorboard进行实验管理和多参数观察，特别是在多个实验中观察acc、loss等参数，同时优化GPU资源使用。通过定义实验时间来区分不同的实验日志，并在每个epoch中更新相应参数。此外，还展示了如何在训练过程中添加图像日志，以便观察模型的输入信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这里写自定义te目录标题

多色观察多实验、多框观察多参数

多色观察多实验、多框观察多参数

为了方便地在一个实验中观察acc、loss等不让他们混合在一起，以及同时跑多个实验不浪费我的gpu，研究了一下怎么观察最方便：

展示效果: 多实验可以通过颜色分辨，多参数可以通过新的框分辨

多个实验一起观察（如上图多色）

首先先导入tensorboard包。安装直接 pip install Tensorboard

from torch.utils.tensorboard import SummaryWriter

main()中：定义时间区分实验

import time
starttime = time.strftime("%Y-%m-%d_%H:%M:%S")#时间格式可以自定义，如果需要定义到分钟记得改下冒号，否则输入logdir时候会出问题
print("Start experiment:", starttime)#定义实验时间
writer = SummaryWriter(log_dir="./log/"+starttime[:13],comment=starttime[:13],flush_secs=60)#以实验时间命名，[:13]可以自定义，我是定义到小时基本能确定是哪个实验了

epoch循环中：每个epoch更新不同的想观察的参数

writer.add_scalar('loss/train_loss', train_loss, epoch)
writer.add_scalar('acc/train_acc', train_acc, epoch)
writer.add_scalar('loss/test_loss', test_loss, epoch)
writer.add_scalar('acc/val_acc', acc, epoch)

如果相观察自己输入的图片信息，train()中

if epoch%50 == 1 :
        print_image = images.repeat(1,3,1,1).cpu()  #要根据自己的数据设置，并且记得Tensor转化为numpy才能显示
        writer.add_images("%d"%(batch_index), np.array(print_image),dataformats='NCHW')

跑起代码后，在当前路径下输入

tensorboard --logdir=./log

因为我们的所有实验路径都在log下，因此所有实验都会在给出的网址全面展示。自己也可以手动控制单一实验输出，比如：

tensorboard --logdir=./log/2023-01-12_10/

或者直接在左边选择相应的曲线选择：
在这里插入图片描述