Pytorch求索(1)：pytorch與Tensorboard的結合使用

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

1. 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:

1. 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：

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