四川住房建设厅网站首页/西安网站关键词优化费用
目录
1. 简介
2. 基本步骤
3. 示例1 - 可视化单条曲线
4. 示例2 - 可视化多条曲线
5. 示例3 - 可视化网络结构
1. 简介
Tensorboard是Tensorflow的可视化工具，常用来可视化网络的损失函数，网络结构，图像等。后来将Tensorboard集成到了PyTorch中，常使用torch.utils.tensorboard来进行导入。官网地址：TensorBoard — PyTorch
2. 基本步骤
(1) 首先执行如下代码，具体含义写在注释里
from torch.utils.tensorboard import SummaryWriterif __name__ == '__main__':# 新建实例, log_dir为生成文件的存储地址, 不写参数默认是./run/文件夹下writer = SummaryWriter(log_dir='events存储地址')# 调用对象的方法，给文件写入数据writer.add_scalar(tag="show1", scalar_value=loss, global_step=epoch)writer.add_scalars(main_tag="show2", tag_scalar_dict={'fun1': None, 'fun2': None}, global_step=epoch)writer.add_graph(model=model, input_to_model=input)# 关闭writerwriter.close()(2) 执行完上述代码，会在设置的log_dir路径下生成一个以events.out开头的文件，如下所示
(3) 执行如下命令，运行该文件
tensorboard --logdir=r'events存储地址'(4) 运行结束后复制生成的地址并在浏览器中打开
3. 示例1 - 可视化单条曲线
from torch.utils.tensorboard import SummaryWriterif __name__ == '__main__':writer = SummaryWriter(log_dir='/home/Test/log_dir')for i in range(100):writer.add_scalar(tag="y=2x", scalar_value=2 * i, global_step=i)writer.close()其中参数的具体含义如下：
4. 示例2 - 可视化多条曲线
from torch.utils.tensorboard import SummaryWriterif __name__ == '__main__':writer = SummaryWriter(log_dir='/home/Test/log_dir')for x in range(100):writer.add_scalars('multi_funcs', {'2x': 2 * x, '3x': 3 * x, '4x': 4 * x}, x)writer.close()其中参数的具体含义如下：
5. 示例3 - 可视化网络结构
新建一个MLP网络，通过add_graph来保存网络结构
import torch
import torch.nn as nn
from torch.utils.tensorboard import SummaryWriterclass MLP(nn.Module):def __init__(self):super(MLP, self).__init__()self.model = nn.Sequential(nn.Linear(784, 512),nn.ReLU(),nn.Linear(512, 128),nn.ReLU(),nn.Linear(128, 10))def forward(self, x):out = self.model(x)return outif __name__ == '__main__':writer = SummaryWriter(log_dir='/home/TenbodTest/log_dir')model = MLP()input = torch.rand(32, 1, 28, 28).view(-1, 28 * 28)writer.add_graph(model, input)writer.close()其中参数的具体含义如下：
可视化结果如下：
