pytorch + tensorboard +jupyter

安装

# 在使用1.2.0版本以上的PyTorch的情况下，一般来说，直接使用pip安装即可
pip install tensorboard
1
2

这样直接安装之后，有可能打开的tensorboard网页是全白的，如果有这种问题，解决方法是卸载之后安装更低版本的tensorboard。

pip uninstall tensorboard
pip install tensorboard==2.0.2
1
2

Tensorboard的使用逻辑

• 将代码运行过程中的，某些你关心的数据保存在一个文件夹中：这一步由代码中的writer完成
• 再读取这个文件夹中的数据，用浏览器显示出来：这一步通过在命令行运行tensorboard完成。

import torch
from torch.utils.tensorboard import SummaryWriter
# SummaryWriter的作用就是，将数据以特定的格式存储到刚刚提到的那个文件夹中

#实例化
writer = SummaryWriter('./log/tensorboard')
#这里传入的参数就是指向文件夹的路径，之后我们使用这个writer对象“拿出来”的任何数据都保存在这个路径之下。
#这个对象包含多个方法，比如针对数值，我们可以调用
Training Loop:
	***
	writer.add_scalar('loss/train_loss', avg_train_loss, epoch)
	writer.add_scalar('loss/val_loss', val_loss, epoch)
	writer.add_scalar('loss/val_accuracy', val_accuracy, epoch)
	***

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

可视化

命令行（anaconda prompt）中

tensorboard --logdir=./log/tensorboard --port 8123

1
2
3

jupyter中

# 另外再开一个jupyter notebook 运行以下代码，有可能上次运行的还没关闭，需要换端口
%reload_ext tensorboard
%tensorboard --logdir ./log/tensorboard --port 8100
1
2
3

1.变量归类

命名变量的时候可以使用形如

writer.add_scalar('loss/train_loss', avg_train_loss, epoch)
writer.add_scalar('loss/val_loss', val_loss, epoch)
writer.add_scalar('loss/val_accuracy', val_accuracy, epoch)
1
2
3

的格式，这样3个loss就会被显示在同一个section。

2.同时显示多个折线图

假如使用了两种学习率去训练同一个网络，想要比较它们训练过程中的loss曲线，只需要将两个日志文件夹放到同一目录下，并在命令行运行

tensorboard --logdir=./path/to/the/root --port 8123
1

参考：TensorBoard的最全使用教程：看这篇就够了

注意： tensorboard并不是实时显示（visdom是完全实时的），而是默认30秒刷新一次。第一次安装完注意环境变量配置，或者直接重启以下电脑就好了。