tensorboard可视化数据

tensorboard可以将训练中想保存的变量、图、神经网络结构等，以某种文件形式保存到指定文件夹，然后可以通过tensorboard的本地服务可视化的把数据显示出来。

导入库

  • 一般使用tensorboard下的SummaryWriter进行数据存储
    1. from torch.utils.tensorboard import SummaryWriter
    2. 或者是:
    3. from tensorboardX import SummaryWriter

    基本使用

    1.保存数值

    1. # 首先要实例化SummaryWriter对象，传入数据要保存的路径
    2. writer = SummaryWriter('./logs')
    3. writer.add_scalar(tag, scalar_value, global_step=None, walltime=None)
    这里的tag指定可视化时这个变量的名字，scalar_value是你要存的值，global_step可以理解为x轴坐标。

举个例子:

  1. writer = SummaryWriter('./logs')
  2. for i in range(100):
  3.     writer.add_scalar('y=2x', 2i, i)
  4. writer.close()

这样就会生成一个y=2x的图像，保存在'logs'目录下

2.保存图片

  • add_image保存单个图片

  • 保存图片时，对图片向量的通道数、高、宽顺序有要求，默认是CHW，如果自己的向量顺序不是CHW，可以通过dataformats参数指定。

    • C代表channel，通道
    • H代表height，图片的高
    • W代表width，图片的宽
      1. writer.add_image(tag, img_tensor, global_step=None, walltime=None,                               dataformats='CHW')
      通常我们需要保存一个batch的图片，也就是一次保存一批图片，使用add_images：
      1. writer.add_images(tag, imgs_tensor, global_step=None, walltime=None,           
      2.             dataformats='CHW')

      可视化展现

      在命令行运行:
      1. tensorboard --logdir=path --port 8123

  • port可以不指定，默认6006端口

  • logdir后面跟相对路径即可，路径可以不用' '括住
  • 运行成功后，会如下图所示，显示本地连接，在浏览器打开即可看到图像

image.png

Colab上使用tensorboard

  • 执行两个魔法命令即可，会直接在juypter内显示tensorboard
    1. %load_ext tensorboard  #使用tensorboard 扩展
    2. %tensorboard --logdir logs  #定位tensorboard读取的文件目录