在pytorch中使用tensorboard

导包

from torch.utils.tensorboard import SummaryWriter
1

实例化

log_dir是写入地址

tb_write=SummaryWriter(log_dir='runs/test')
1

将模型写入tensorboard(查看模型的结构)

给模型和输入，第一个参数是模型对象，第二个是输入到模型中的数据

model=Net()
init_img = torch.zeros((1, 3, 224, 224), device=device)
tb_writer.add_graph(model, init_img)
1
2
3

记录数据

三个参数分别是标签名，y轴，x轴

tb_writer.add_scalar(mean_loss/epoch, mean_loss, epoch)
tb_writer.add_scalar(acc/epoch, acc, epoch)
tb_writer.add_scalar(optimizer/epoch, optimizer.param_groups[0]["lr"], epoch)
1
2
3

记录图像

四个参数分别表示图像窗口名称，图像数据，训练的step，图像数据格式(默认为CHW)

from PIL import Image
import numpy as np
import os


file_name = ['image1', 'image2', 'image3']
file_list = [os.path.join('./test_images', i+'.jpg') for i in file_name]
writer = SummaryWriter('runs/image_example')
for i in range(0, 3):
    writer.add_image('images',
                     np.array(Image.open(file_list[i])),
                     global_step=i,
                     dataformats='HWC')
1
2
3
4
5
6
7
8
9
10
11
12
13

关闭服务（结束记录）

tb_write.close()
1

使用tensorboard查看

比如文件在/Users/liuzao/WorkPlace/wpforPycharm/runs/test里
在test文件下用终端打开，输入如下指令

tensorboard --logdir=./
1

同时查看多个模型的loss图

将多个tensorboard日志文件放在不同层级的目录下，比如原本一张图是这样的结构

test
-event1
1
2

现在要改成

test
-1
--event1
-2
--event2
1
2
3
4
5

依旧还是用上述查看方法在test层级下使用查看命令查看

要想放大画的图表

在mac系统下，按alt键且三指框选需要查看的地方，进行放大，按住option拖动为移动，windows下，ctrl加框选是方法，alt加拖动为移动