一、什么是Tensorboard

Tensorboard原本是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。PyTorch也推出了自己的可视化工具，一个是tensorboardX包，一个是torch.utils.tensorboard，二者的使用相差不大，这里介绍后者

二、配置Tensorboard

环境要求

操作系统：Windows
Python3
PyTorch >= 1.0.0 && torchvision >= 0.2.1 && tensorboard >= 1.12.0 1

安装

注：虽说PyTorch中直接有tensorboard的包，但是有时用的时候还是会报错，所以安装TensorFlow之后torch.utils.tensorboard就可以直接使用且稳定，所以这里介绍安装TensorFlow的方法。

pip环境(相对麻烦需要下载依赖项)

pip install tensorflow_gpu=2.5.0 -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install six numpy wheel
pip install keras_applications=1.0.6 --no-deps
pip install keras_preprocessing=1.0.5 --no-deps

conda环境安装

conda install --channel https://conda.anaconda.org/anaconda tensorflow=2.5.0

三、Tensorboard的使用

首先展示该包的使用的大致流程

1)导入tensorboard，实例化SummaryWriter类，指明记录日记路径等信息
from torch.utils.tensorboard import SummaryWriter
#实例化SummaryWriter，并指明日志存放路径。在当前目录如果每月logs目录将自动创建
#如果不写log_dir，系统将会创建runs目录
writer = SummaryWriter(log_dir = ‘logs’)
#调用实例
writer.add_xxx()
#关闭writer
writer.close()
2）调用相应的API，接口一般格式为：
add_xxx(tag_name, object, iteration-number)
3)启动tensorboard，在命令行中输入
tensorboard --logdir=r’加logs所在路径’
4)复制网址在浏览器中打开

使用各种add方法记录数据

单条曲线(scalar)

add_scalar(tag, scalar_value, global_step=None, walltime=None)

参数：

tag ( string ) – 数据标识符
scalar_value ( float或string/blobname ) – 要保存的值
global_step ( int ) – 要记录的全局步长值
walltime ( float ) – 记录训练的时间，默认 walltime (time.time()) 秒
new_style ( boolean ) – 是使用新样式（张量字段）还是旧样式（simple_value 字段）。新样式可能会导致更快的数据加载。
例子：

from torch.utils.tensorboard import SummaryWriter
import numpy as npwriter = SummaryWriter()
for x in range(1, 101) :writer.add_scalar('y = 2x', x, 2 * x)
writer.close()

效果

多条曲线(scalars)

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

参数

main_tag ( string ) – 标签的父名称
tag_scalar_dict ( dict ) – 存储标签和对应值的键值对
global_step ( int ) – 要记录的全局步长值
walltime ( float ) – 记录训练的时间，默认 walltime (time.time()) 秒
例子：

from torch.utils.tensorboard import SummaryWriter
import numpy as npwriter = SummaryWriter()
r = 5
for x in range(1, 101) :writer.add_scalars('run_14h', {'xsinx' : x * np.sin(x / r), 'xcosx' : x * np.cos(x / r), 'xtanx' : x * np.tan(x / r)}, x)
writer.close()

效果：

直方图(histogram)

add_histogram( tag , values , global_step = None , bins = ‘tensorflow’ , walltime = None , max_bins = None )

参数：

tag ( string ) – 数据标识符
值（torch.Tensor、numpy.array或string/blobname）– 构建直方图的值
global_step ( int ) – 要记录的全局步长值
bins ( string ) – {‘tensorflow’,‘auto’, ‘fd’, …} 之一。这决定了柱的制作方式。
walltime ( float ) – 记录训练的时间，默认 walltime (time.time()) 秒
例子：

from torch.utils.tensorboard import SummaryWriter
import numpy as npwriter = SummaryWriter()
for step in range(10) :x = np.random.randn(1000)writer.add_histogram('distribution of gaussion', x, step)
writer.close()

效果：

图片(image)

add_image(tag, img_tensor, global_step=None, walltime=None, dataformats = ‘CHW’)

参数：

tag ( string ) – 数据标识符
img_tensor ( torch.Tensor , numpy.array , or string/blobname ) – 图像数据
global_step ( int ) – 要记录的全局步长值
walltime ( float ) – 记录训练的时间，默认 walltime (time.time()) 秒
例子：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
import cv2 as cv
import torchimg = cv.imread('zhou.jpg', cv.IMREAD_COLOR)#输入图像要是3通道的，所以读取彩色图像
img = cv.cvtColor(img, cv.COLOR_BGR2RGB)
img = torch.tensor(img.transpose(2, 0, 1))#cv读取为numpy图像为(H * W * C)，所以要进行轴转换
writer.add_image('zhou_ge', img, 0)writer.close()

效果：

渲染(figure)

add_figure( tag , figure , global_step = None , close = True , walltime = None )

参数：

tag ( string ) – 数据标识符
image( matplotlib.pyplot.figure ) – 图或图列表
global_step ( int ) – 要记录的全局步长值
close ( bool ) – 自动关闭图形的标志
walltime ( float ) – 记录训练的时间，默认 walltime (time.time()) 秒

例子：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
import matplotlib.pyplot as plt
%matplotlibwriter = SummaryWriter()x = np.linspace(0, 10, 1000)
y = np.sin(x)figure1 = plt.figure()
plt.plot(x, y, 'r-')
writer.add_figure('my_figure', figure1, 0)
writer.close()

效果:

网络(graph)

add_graph(model, input_to_model=None, verbose=False, use_strict_trace = True)

参数：

model( torch.nn.Module ) – 要绘制的模型。
input_to_model ( torch.Tensor or list of torch.Tensor ) – 要输入的变量或变量元组
verbose(bool）– 是否在控制台中打印图形结构。
use_strict_trace ( bool ) – 是否将关键字参数严格传递给 torch.jit.trace。当您希望跟踪器记录您的可变容器类型（列表、字典）时传递 False.

例子：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
import torch
import torch.nn as nnwriter = SummaryWriter()
class MLP(nn.Module) :def __init__(self):super(MLP, self).__init__()self.Net = nn.Sequential(nn.Linear(784, 512),nn.ReLU(),nn.Linear(512, 128),nn.ReLU(),nn.Linear(128, 10))def forward(self, input):input = input.view(-1, 28 * 28)return self.Net(input)
model = MLP()
input = torch.FloatTensor(np.random.rand(32, 1, 28, 28))
writer.add_graph(model, input)writer.close()

效果：

其他

嵌入：

add_embedding(mat, metadata=None, label_img=None, global_step = None, tag=‘default’, metadata_header=None)

参数：

mat ( torch.Tensor or numpy.array ) – 一个矩阵，每一行都是数据点的特征向量
metadata ( list ) – 标签列表，每个元素都将转换为字符串
label_img ( torch.Tensor ) – 图像对应每个数据点
global_step ( int ) – 要记录的全局步长值
tag ( string ) – 嵌入的名称

三、结语

以上是关于一些tensorboard可视化的操作，如果您有收获的话，就给

详解Tensorboard及使用教程相关推荐

MySQL安装教程包含所有平台（图解），MySQL下载步骤详解（带安装教程）
现在作为服务器的操作系统一般有两种,分别是 Windows Server 和 Linux,这里我们分别介绍在 Windows 下和 Linux 下安装 MySQL 的具体操作步骤. MySQL安装教程 ...
mhdd应用详解-入门篇(图文教程)
mhdd应用详解-入门篇(图文教程) 来源:wxiu.com 作者:fox 时间:2009-03-13 点击: 54 对于专业的电脑维修人员来说, MHDD是必备的硬盘工具,但是技术人员一般只拿他 ...
详解CSDN-markdown编辑器使用教程（首次使用CSDN-markdown）
详解CSDN-markdown编辑器使用教程(首次使用CSDN-markdown) 原创:丶无殇时间:2019-9-19 *仅基于原文教程加以注释* *注释以代码片方式(红字)* 字体颜色和大 ...
mysql5 workbench教程_详解MySQL Workbench使用教程
MySQL Workbench 是一款专为 MySQL 设计的集成化桌面软件,也是下一代的可视化数据库设计.管理的工具,它同时有开源和商业化两个版本.该软件支持 Windows 和 Linux 系统, ...
32位系统是指地址_不起眼却很重要丨32位操作系统与64位操作系统详解（含查询教程）...
大家好,我是小诸葛,一个喜欢捣鼓电脑的小机灵鬼儿,如果关注电脑手机信息,可以关注小诸葛! 小诸葛在下载软件的时候,可能会遇到需要选择32位或64位操作系统的选项,对小白来说,32跟64是什么都不知 ...
【数据结构】顺序表实现超详解（保姆级教程）
[数据结构] 目录前言顺序表接口实现各项功能接口详解顺序表初始化顺序表释放顺序表展示顺序表容量检查顺序表数据尾插顺序表数据头插顺序表数据前删顺序表数据尾删顺序表数据查找 ...
jenkins流水线（jenkinsfile）详解，保姆式教程
jenkins流水线(jenkinsfile)详解在学习本篇文章的时候,可以去看看jenkins官网的文档,jenkins官网支持中文,观看十分便捷此教程使用的是gitee+docker+jenk ...
计算机架构64位查看,32位操作系统与64位操作系统详解（含查询教程）
小诸葛在下载软件的时候,可能会遇到需要选择32位或64位操作系统的选项,对小白来说,32跟64是什么都不知道,于是就会瞎选一通,运气好的,电脑本身是64位操作系统的,选完下载后没问题,但如果是32位 ...
FFmpeg 快速上手：命令行详解、工具、教程、电子书
FFmpeg 简介 FFmpeg 是一个开源的音视频处理工具,诞生已22年.它可以用来处理音视频的编解码.格式转换.剪辑.合并.抽取.压缩.解压缩.滤镜.字幕等等.它可以在 Windows.Linux ...

详解Tensorboard及使用教程

目录

一、什么是Tensorboard

二、配置Tensorboard

环境要求

安装

三、Tensorboard的使用

使用各种add方法记录数据

单条曲线(scalar)

多条曲线(scalars)

直方图(histogram)

图片(image)

渲染(figure)

网络(graph)

其他

三、结语

详解Tensorboard及使用教程相关推荐

最新文章

热门文章