机器学习|TensorBoard快速入门（Pytorch使用TensorBoard）深度学习|python|pytorch

文章目录

TensorBoard 简介
TensorBoard 界面介绍
TensorBoard 安装
TensorBoard 运行
Pytorch 使用 TensorBoard
Google Colab中使用 Tensorboard
Tensor折线图（Scalars）

TensorBoard 简介 TensorBoard 是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程，例如：

记录损失变化、准确率变化等
记录图片变化、语音变化、文本变化等，例如在做GAN时，可以过一段时间记录一张生成的图片
绘制模型

具体支持的内容可以参考官方文档

TensorBoard 界面介绍

机器学习|TensorBoard快速入门（Pytorch使用TensorBoard）

文章图片

TensorBoard 安装直接使用pip安装即可：

pip install tensorboard

安装后，在命令行输入：

tensorboard --help

若可以正常输出，则说明安装成功。

TensorBoard 运行运行启动命令即可：

tensorboard --logdir my_log

my_log是TensorBoard的log文件所在的目录。Tensorboard面板中展示的数据都来源于log文件，一般一次完整的运行生成一份log文件。
例如，在Pytorch中，我们会调用new一个SummaryWriter对象，此时就会创建一个log文件，之后我们就会调用其add_something方法，往log里面写日志，之后在TensorBoard面板中就可以看到数据了。最后在训练完成后，调用close方法结束。
若看到了如下输出，说明启动成功：

TensorBoard 2.8.0 at http://localhost:6006/ (Press CTRL+C to quit)

此时只需要在浏览器中输入http://localhost:6006/即可进入TensorBoard界面。

Pytorch 使用 TensorBoard Pytorch使用Tensorboard主要用到了三个API：

SummaryWriter：这个用来创建一个log文件，TensorBoard面板查看时，也是需要选择查看那个log文件。
add_something：向log文件里面增添数据。例如可以通过add_scalar增添折线图数据，add_image可以增添图片。
close：当训练结束后，我们可以通过close方法结束log写入。

接下来，我们来模拟记录训练过程中准确率的变化。
首先需要new一个SummaryWriter对象：

from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter(log_dir='runs/mock_accuracy')

当运行完该行代码后，可以看到当前目录下生成了一个runs/mock_accuracy文件夹，并且里面有event日志

文章图片

此时已经可以启动tensorboard来查看了:

tensorboard --logdir runs

此时进入tensorboard页面后，啥都看不到，因为我们还没有向log里面写入任何数据：

文章图片

接下来使用 add_scalar 绘制准确率折线图：

for i in range(100): writer.add_scalar(tag="accuracy", # 可以暂时理解为图像的名字 scalar_value=https://www.it610.com/article/i * random.uniform(0.8, 1),# 纵坐标的值 global_step=i# 当前是第几次迭代，可以理解为横坐标的值 ) time.sleep(2 * random.uniform(0.5, 1.5))

这里模拟 1~3 秒完成一次迭代并计算准确率，然后将准确率增添到 accuracy 这个图下面。
过一会后，我们刷新页面，就可以看到我们的准确率变化曲线了：