总览

实现以上功能，需要在Pytorch环境下安装TensorboardX工具包，并使用相应的代码，即可在网页页面中查看并分析loss曲线（还有许多其他功能。。。目前仅实践画loss曲线部分）

TensorboardX github链接

具体流程

1 安装TensorboardX工具包

pip install tensorboardX
1

根目录下会有TensorboardX文件夹：

2 编写代码

创建一个try.py文件，代码框架如下：

from tensorboardX import SummaryWriter

writer = SummaryWriter()

train_loss=[3.5, 2.0, 2.5, 2.0]
dev_loss=[3.0, 2.8, 2.5, 2.0]

for i in range(len(train_loss)):
    writer.add_scalars("loss",{"train":train_loss[i],"dev":dev_loss[i]},i+1)

writer.export_scalars_to_json("./loss.json")
writer.close()
1
2
3
4
5
6
7
8
9
10
11
12

其中，我将详细说明以下writer.add_scalars()函数：

writer.add_scalars()函数：
功能：在一个图表中记录多个标量的变化，常同于对比，如train loss 和 val loss的比较等。
参数：add_scalars(main_tag, tag_scalar_dict, global_step=None, walltime=None)
main_tag(string)为该图的标签；
tag_scalar_dict(dict)为绘制的曲线的数据，其中，key是变量的名称，value是变量的值；
global_step(int)为曲线图的横坐标
walltime(float)为event文件的文件名设置时间，默认为time.time()
以上参数在实际绘制的图像中，所对应的位置如下：

此外，如果只画一条曲线，有add_scalar()函数，还有更多功能如：直方图、多分位数折线图、网络结构拓扑图等，都有对应的函数，具体可参考博客。

3 执行代码

1. 执行上述代码，生成json文件

python try.py
1

2. 在终端执行以下命令

tensorboard --logdir "./" --host 127.0.0.1
1

其中"./"为json文件所在目录（注意是目录，不包括文件名，如果该目录下包含多个json文件，会一起转化！）
执行后会显示以下内容，点击链接就可以在浏览器中查看loss图啦！

注意：json文件应当在tensorboardX根目录下，浏览器才能正确显示内容，如果json文件在tensorboardX文件夹外，或者在tensorboardX的子目录下，浏览器都会出现显示不出来、显示错误等问题。