1 引言

我們都知道tensorflow框架可以使用tensorboard這一高級的可視化的工具，為了使用tensorboard這一套完美的可視化工具，未免可以將其應用到Pytorch中，用于Pytorch的可視化。

本文主要是針對該解決方案提供一些介紹。

TensorboardX支持scalar,?image,?figure,?histogram,?audio,?text,?graph,?onnx_graph,?embedding,?pr_curve?and?videosummaries等不同的可視化展示方式，具體介紹移步至項目Github 觀看詳情。

2 環境安裝

本教程代碼環境依賴：

python 3.6+

Pytorch 0.4.0+

tensorboardX:? ?pip install tensorboardX、pip install tensorflow

3 代碼教程

TensorboardX可以提供中很多的可視化方式，本文主要介紹scalar 和 graph，其他類型相似。

3.1 scalar教程

01_scalar_base.py 代碼

對上述代碼進行解釋，首先導入：from tensorboardXimport SummaryWriter，然后定義一個SummaryWriter() 實例。在SummaryWriter()上鼠標ctrl+b我們可以看到SummaryWriter()的參數為：def __init__(self, log_dir=None, comment='', **kwargs): 其中log_dir為生成的文件所放的目錄，comment為文件名稱。默認目錄為生成runs文件夾目錄。我們運行上述代碼：生成結果為：

當我們為SummaryWriter(comment='base_scalar')。生成結果為：

當我們為SummaryWriter(log_dir='scalar') 添加log_dir參數，可以看到第二條數據的文件名稱包括了base_scalar值。生成結果目錄為：

接著解釋writer.add_scalar('scalar/test', np.random.rand(), epoch)，這句代碼的作用就是，將我們所需要的數據保存在文件里面供可視化使用。 這里是Scalar類型，所以使用writer.add_scalar()，其他的隊形使用對應的函數。第一個參數可以簡單理解為保存圖的名稱，第二個參數是可以理解為Y軸數據，第三個參數可以理解為X軸數據。當Y軸數據不止一個時，可以使用writer.add_scalars().運行代碼之后生成文件之后，我們在runs同級目錄下使用命令行：tensorboard --logdir runs. 當SummaryWriter(log_dir='scalar')的log_dir的參數值 存在時，將tensorboard --logdir runs 改為 tensorboard --logdir 參數值

最后調用writer.close()。

點擊鏈接即可看到我們的最終需要的可視化結果。

可視化效果

可以分別點擊對應的圖片查看詳情。可以看到生成的Scalar名稱為'scalar/test'與'scalar/test'一致。注：可以使用左下角的文件選擇你想顯示的某個或者全部圖片。

3.2 Graph教程

02_graph_model.py 代碼

首先我們定義一個神經網絡取名為Net1。然后將其添加到tensorboard可是可視化中。

with SummaryWriter(comment='Net1')as w:

w.add_graph(model, (dummy_input,))

我們重點關注最后兩句話，其中使用了python的上下文管理，with 語句，可以避免因w.close未寫造成的問題。推薦使用此方式。

因為這是一個神經網絡架構，所以使用?w.add_graph(model, (dummy_input,))，其中第一個參數為需要保存的模型，第二個參數為輸入值，元祖類型。打開tensorvboard控制臺，可得到如下結果。

點擊Net1部分可以將其網絡展開，查看網絡內部構造。

模型可視化結果

其他部分可以繼續一次展開查看詳情。

3.3 網絡訓練綜合教程

解釋完上述兩部分知識之后，我們可以綜合運用上述兩部分內容，實現線性擬合的訓練過程中的loss可視化和模型的保存。

03_linear_regression.py 代碼

我們將運行過程中loss和model分別保存，最后打開tensorboard控制臺，可以得到模型結果和loss的結果為下圖.

模型可視化結果

注：不同的graph的可視化可以使用上圖Run旁邊的下拉框選擇。

loss可視化結果

3.4 Tensorboard綜合Demo

本Demo代碼為TensorboardX提供的官方Demo代碼。

demo.py

最終運行的所有可視化結果為：

最終可視化結果

4 結束語

本文是我寫的第一篇比較完整的文章，大家如果覺得幫助到了你，幫忙點個贊唄。

若轉載，請標明出處，謝謝！！