【人工智能概论】 PyTorch可视化工具Tensorboard安装与简单使用

一. 安装Tensorboard

1.1 安装Tensorboard

Tensorboard原本是Tensorflow的可视化工具    
    
    
    
，但自PyTorch1.2.0版本开始    


     


     


     


  ，PyTorch正式内置Tensorboard的支持




 




 




 




 
，尽管如此仍需手动安装Tensorboard    
    
    
    
。否则会报错    


     


     


     


  。

ModuleNotFoundError: No module named ‘tensorboard’

进入相应虚拟环境后   

   

   

   

，输入以下指令即可安装




 




 




 




 
。 pip install tensorboard

1.2 验证安装

输入以下指令     

     

     

     

 ，不报错即说明安装成功   

   

   

   

。 from torch.utils.tensorboard import SummaryWriter

二.Tensorboard功能简介

Tensorboard常用的四个功能 graphs： 保存网络结构图； scalars： 精确度




  




  




  




  ，学习率
  


  


  


  


，损失曲线； histograms： 训练权重分布； images： 展示图像信息     

     

     

     

 。 画线——add_scalaar from torch.utils.tensorboard import SummaryWriter # 创建编辑器     
     
     
     
，保存日志 




   




   




   




   ，指令保存路径log_dir writer = SummaryWriter(log_dir="./logs") # 指定保存位置 # y = 2 * x for i in range(100): # 添加标题

 



 



 



 


，x轴                    ，y轴 # tag: 标题名  




    




    




    




   ， scalar_value: y轴




















， global_step: x轴 writer.add_scalar(tag="y=2x",scalar_value=2*1,global_step=i) # 关闭 writer.close() 在PyCharm里执行以上代码                    ，就会在生成的logs文件夹里保存相关文件




  




  




  




  。 在PyCharm的虚拟环境终端中进入到logs的上级目录   



     



     



     



   ，输入启动指令（如下）




















，点击生成的链接即可查看结果
  


  


  


  


。 # 使用默认端口 tensorboard --logdir=logs # 使用指定端口 tensorboard --logdir=logs --port=6007 终端键入Ctrl + C结束进程     
     
     
     
。 展示单张图像——add_image from torch.utils.tensorboard import SummaryWriter import numpy as np from PIL import Image # 创建编辑器    
    
    
    
，保存日志    


     


     


     


  ，指令保存路径log_dir writer = SummaryWriter(log_dir="./logs") # 指定保存位置 # 图像地址 image_path = "/home/chenshili/图片/food_01.jpeg" # 打开图像 img_PIL = Image.open(image_path) # 用PIL打开的图像




 




 




 




 
，其文件格式是PIL的特有类 # 转化成numpy数据,因为add_image只能传入array或者tensor数据   

   

   

   

，所以要做类型转化 




   




   




   




   。 img_array = np.array(img_PIL) # 开始画图     

     

     

     

 ，tag: 标题




  




  




  




  ，img_tensor: tensor或者numpy类型的数据
  


  


  


  


， dataformats： H高W宽C通道     
     
     
     
，指定HWC类型 writer.add_image(tag="train",img_tensor=img_array,global_step=1,dataformats="HWC") # 关闭 writer.close() 画模型——add_graph from torch.utils.tensorboard import SummaryWriter import torch from torch.nn import Linear,ReLU,Sequential # 创建编辑器 




   




   




   




   ，保存日志

 



 



 



 


，指令保存路径log_dir writer = SummaryWriter(log_dir="./logs") # 指定保存位置 model = Sequential( Linear(1,10), ReLU(), Linear(10,1) ) data = torch.ones(10,1) writer.add_graph(model=model,input_to_model=data) # 关闭 writer.close() 模型对比 from torch.utils.tensorboard import SummaryWriter import os import datetime # 按时间构建生成文件保存的文件夹 log_dir = os.path.join("./logs",datetime.datetime.now().strftime("%Y%m%d_%H%M%S")) print(log_dir) # 创建编辑器                    ，保存日志  




    




    




    




   ，指令保存路径log_dir writer = SummaryWriter(log_dir=log_dir) # 指定保存位置 for i in range(100): writer.add_scalar(tag="loss",scalar_value=1*i,global_step=i) # 多执行几次把scalar_value的值做修改




















，如2*i                    ，i等 # 关闭 writer.close()