Pytorch系列

前言

Tensorboard为是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，叫做torch.utils.tensorboard。

提示：以下是本篇文章正文内容，下面案例可供参考

一、Summarywriter类

该类的初始化函数以及相关变量如下。

使用该类时常用的两个方法是add_image()和add_scale()。且需要注意使用该方法最后需要调用close()方法关闭相关。
一般在创建该类对象时会传递一个log_dir变量，指定了数据保存的文件夹的位置，如果该文件夹不存在则会创建一个出来。如果没有指定的话，默认的保存的文件夹是./runs/现在的时间_主机名，例如：Feb04_22-42-47_Alienware，因此每次运行之后都会创建一个新的文件夹。在写论文的时候我们会涉及一系列实验，从不同的角度来说明一些问题，例如我们的假设是否正确、模型性能是否更好……因此最好不要用默认的实现来直接作为存放数据的文件夹，而是使用具有含义的二级结构，例如：runs/exp1。这样的话，所有的实验1的数据都在这个文件夹下，这样我们就可以方便的进行比较。

二、add_scale()方法

1.相关参数

比较重要的就三个（注意先Y轴后X轴）：
tag：类似于图标的title
scalar_value：数值，即Y轴
global_step：多少步，即X轴

2.代码举例

代码如下（示例）：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")  #log_dir (str类型参数) 数据保存文件夹位置
for i in range (100):
    writer.add_scalar("test01",2*i,i)  #标题，Y轴，X轴一一对应
writer.close()

执行完该代码会生成一个log文件夹及其数据对应事件文件

生成文件之后即可在terminal里输入语句
tensorboard --logdir=S:\pythonProject\logs来显示图片

输入并回车后，就会有一个链接对应主机6006端口号，点击跳转。
可以发现和代码里的tag，Y轴X轴完全对应。

3.注意事项

如果没有改变tag，而只改变了，X轴和Y轴的内容时。

会出现下面这种图像

会出现拟合，我们可以通过删除事件文件之后，重新打开Tensorboard。

二、add_image方法()方法

总结

提示：这里对文章进行总结：

例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。