pytorch與tensorboard結合使用
Tensorboard
Tensorboard一般都是作為tf的可視化工具,與tf深度內建,它能夠展現tf的網絡計算圖,繪制圖像生成的定量名額圖以及附加資料等。此外,Tensorboard也是一個獨立工具,隻要儲存的資料遵循一定的格式,Tensorboard就可以讀取這些資料并進行可視化
Tensorboard_logger
Tensorboard_logger是TeamHGMemex開發的一款輕量級工具,它将Tensorboard的工具抽取出來,使得非tf使用者也可以使用它進行可視化,不過功能有限,但一些常用的還是可以支援。
TL的安裝
- 安裝tensorflow:建議安裝cpu-onlu版本(因為本人pytorch安裝的是GPU版本,避免在同一個虛拟環境下包沖突),可以選擇直接pip安裝,我安裝的是tf-1.11.0版本
- 安裝tensorboard_logger:安裝十分簡單,可以通過pip install tensorboard_logger指令直接安裝
如何使用
- 首先啟動Tensorboard,指令格式如下:
我這裡使用的指令是:
tensorboard --logdir /home/tenyun/Documents/Githome/pytorch_home/ --port 1234
這裡選擇端口的時候,一定要注意,不能選擇被占用的端口
啟動成功後,控制台如下輸出:
- 代碼中使用:
from tensorboard_logger import Logger
# 建構logger對象,logdir用來指定log檔案的儲存路徑
# flush_secs用來指定重新整理同步間隔
logger = Logger(logdir="/home/tenyun/Documents/Githome/pytorch_home", flush_secs=2)
# 模拟函數
for ii in range(100):
logger.log_value('loss', 10-ii**0.5, step=ii)
logger.log_value('accuracy', ii**0.5/10, step=ii)
3)檢視結果
運作以後,到浏覽器輸入: http://localhost:1234,注意換成你綁定的端口,可以看到結果如下:
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5SMtQmch9mYy92cuVGdvwVbvNmLuRGZ19Gbj5CdrJmL6dzcph2N3R3bvw1LcpDc0RHaiojIsJye.png)
參考
[1] 深度學習架構Pytorch:入門與實踐(陳雲著)
[2] 官網:https://www.tensorflow.org/guide/summaries_and_tensorboard