Pytorch笔记|小土堆|P8-9|Tensorboard数据可视化

Tensorboard数据可视化
TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。它通过运行一个本地服务器，来监听6006端口（可更改）。在浏览器发出请求时，分析训练时记录的数据，绘制训练过程中的图像

当前环境下安装：pip install tensorboard

SummaryWriter类：提供创建event file的高级接口
主要包含的方法：
add_scalar：记录标量
add_scalars：可创建多条曲线
add_image：记录图像
add_images：记录多张图像
add_histogram：统计直方图、多分位线折线图
add_graph：可视化模型架构图

练习代码如下：

from torch.utils.tensorboard import SummaryWriter
import cv2

writer = SummaryWriter("logs")
# log_dir: Save directory location.

image_path = r'D:\ai-learning\pytorch\hymenoptera_data\train\ants\0013035.jpg'
img = cv2.imread(image_path) #读取得到的img是numpy数组

writer.add_image("train", img, 1, dataformats='HWC')
# add_image(tag, img_tensor, global_step)
# tag (str): Data identifier【名字】
# img_tensor (torch.Tensor, numpy.ndarray, or string/blobname【注意图像数据类型限制，通过print(type(img)查看】): Image data
# global_step (int): Global step value to record【第几步，多steps可滑动查看】
# img_tensor: Default is :math:`(3, H, W)`.若不同format，需修改dataformats参数。通过print(img.shape)查看

for i in range(100):
    writer.add_scalar("y=2x", 2*i, i)
    # add_scalar(tag, scalar_value, global_step)
    # tag: Data identifier
    # scalar_value: Value to save【y轴】
    # global_step: Global step value to record【x轴】
    # 改add_scalar变量时，要先删除之前的log files，要不然会杂糅多次事件

writer.close()

如何打开tensorboard：tensorboard --logdir="D:\ai-learning\pytorch\logs" --port=6008
*改port是为了防止默认撞车

比较常用的是loss、weight、图像可视化，详见参考[2]

参考：
[1]https://www.bilibili.com/video/BV1hE411t7RN?p=9&spm_id_from=pageDriver&vd_source=fa1d778abbb911d02be7ac36f2b2e32a
[2]https://blog.csdn.net/zeng001201/article/details/111309578