跑深度学习模型，我们会有各种指标以及loss。想要可视化怎么办？初学者肯定是学的用matplotlib自己画。虽然自己画也行。但是麻烦啊，有没有东西可以直接帮我们可视化？

有的。pytorch和tensorflow都有一个TensorBoard。

讲一下pytorch中怎么用：

官网文档：torch.utils.tensorboard — PyTorch 1.12 documentation

安装

pytorch 版本1.2以上才开始支持tensorboard，之前的版本不支持嗷。

pip install tensorboard

代码中

在代码中导入tensorboard

from torch.utils.tensorboard import SummaryWriter   
writer = SummaryWriter('你要存文件的地址')

# 用完以后记得销毁
writer.close()

这一步是把实例化一个writer。

待会儿tensorboard代码运行的时候会把你想存储的数据丢尽这个文件夹里。然后你在终端输入命令就是从这个文件夹里取出数据使用浏览器显示。

之后就是非常简单的事情了，在你训练过程的epoch迭代过程中加上你要监视的参数。

add_scalar(tag, scalar_value, global_step=None, walltime=None, new_style=False, double_precision=False)

你要管的参数只有

• tag (string) – 起个名
• scalar_value (代码实现MNLM | word embedding开山之作 – 掘金 (juejin.cn)

  进入文章，拉倒最底下复制完整代码，丢到你的IDE中。

  看一下哦。这是可以运行的对吧。

  

  找到训练那一段代码。在训练阶段迭代那里加上我的loss。我是直接把数据保存在当前文件下的./log里边了。

  

  

  运行一下，然后可以看到当前目录多出来一个log文件夹。

  

  在当前文件夹下打开终端，输入命令tensorboard --logdir=./log --port xxxx

  前边自定义端口就写上，前边没自定义端口就不用写--port xxxx

  然后我们就可以看到已经生成的loss图像了。

  

  补充

  如果你想看多个参数，多个参数在同一个图上显示，就使用

  add_scalars(main_tag, tag_scalar_dict, global_step=None, walltime=None)
  

  多个参数用字典传入。

  for i in range(100):
      writer.add_scalars('run_14h', {'xsinx':i*np.sin(i/r),
                                      'xcosx':i*np.cos(i/r),
                                      'tanx': np.tan(i/r)}, i)
  

  

  需要其他功能的大家可以看文档继续深入学习。