【人工智能概论】 PyTorch可视化工具Tensorboard安装与简单使用-Toy模板网

这篇具有很好参考价值的文章主要介绍了【人工智能概论】 PyTorch可视化工具Tensorboard安装与简单使用。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【人工智能概论】 PyTorch可视化工具Tensorboard安装与简单使用

一. 安装Tensorboard

1.1 安装Tensorboard

Tensorboard原本是Tensorflow的可视化工具，但自PyTorch1.2.0版本开始，PyTorch正式内置Tensorboard的支持，尽管如此仍需手动安装Tensorboard。否则会报错。

ModuleNotFoundError: No module named ‘tensorboard’文章来源地址https://www.toymoban.com/news/detail-423578.html

进入相应虚拟环境后，输入以下指令即可安装。

pip install tensorboard

1.2 验证安装

输入以下指令，不报错即说明安装成功。

from torch.utils.tensorboard import SummaryWriter

二.Tensorboard功能简介

Tensorboard常用的四个功能

graphs：保存网络结构图；
scalars：精确度，学习率，损失曲线；
histograms：训练权重分布；
images：展示图像信息。

画线——add_scalaar

from torch.utils.tensorboard import SummaryWriter

# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir="./logs") # 指定保存位置

# y = 2 * x
for i in range(100):
    # 添加标题，x轴，y轴
    # tag: 标题名， scalar_value: y轴， global_step: x轴
    writer.add_scalar(tag="y=2x",scalar_value=2*1,global_step=i)

# 关闭
writer.close()

在PyCharm里执行以上代码，就会在生成的logs文件夹里保存相关文件。
在PyCharm的虚拟环境终端中进入到logs的上级目录，输入启动指令（如下），点击生成的链接即可查看结果。

# 使用默认端口
tensorboard --logdir=logs
# 使用指定端口
tensorboard --logdir=logs --port=6007

终端键入Ctrl + C结束进程。

展示单张图像——add_image

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image

# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir="./logs") # 指定保存位置

# 图像地址
image_path = "/home/chenshili/图片/food_01.jpeg"

# 打开图像
img_PIL = Image.open(image_path) # 用PIL打开的图像，其文件格式是PIL的特有类

# 转化成numpy数据,因为add_image只能传入array或者tensor数据，所以要做类型转化。
img_array = np.array(img_PIL)

# 开始画图，tag: 标题，img_tensor: tensor或者numpy类型的数据， dataformats： H高W宽C通道，指定HWC类型
writer.add_image(tag="train",img_tensor=img_array,global_step=1,dataformats="HWC")

# 关闭
writer.close()

画模型——add_graph

from torch.utils.tensorboard import SummaryWriter
import torch
from torch.nn import Linear,ReLU,Sequential

# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir="./logs") # 指定保存位置

model = Sequential(
    Linear(1,10),
    ReLU(),
    Linear(10,1)
)

data = torch.ones(10,1)

writer.add_graph(model=model,input_to_model=data)

# 关闭
writer.close()

模型对比

from torch.utils.tensorboard import SummaryWriter
import os
import datetime

# 按时间构建生成文件保存的文件夹
log_dir = os.path.join("./logs",datetime.datetime.now().strftime("%Y%m%d_%H%M%S"))
print(log_dir)

# 创建编辑器，保存日志，指令保存路径log_dir
writer = SummaryWriter(log_dir=log_dir) # 指定保存位置

for i in range(100):
    writer.add_scalar(tag="loss",scalar_value=1*i,global_step=i)
    # 多执行几次把scalar_value的值做修改，如2*i，i等

# 关闭
writer.close()