Pytorch求索(1)：pytorch与Tensorboard的结合使用

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wen_fei/article/details/82977630

pytorch与tensorboard结合使用

Tensorboard

Tensorboard一般都是作为tf的可视化工具，与tf深度集成，它能够展现tf的网络计算图，绘制图像生成的定量指标图以及附加数据等。此外，Tensorboard也是一个独立工具，只要保存的数据遵循一定的格式，Tensorboard就可以读取这些数据并进行可视化

Tensorboard_logger

Tensorboard_logger是TeamHGMemex开发的一款轻量级工具，它将Tensorboard的工具抽取出来，使得非tf用户也可以使用它进行可视化，不过功能有限，但一些常用的还是可以支持。

TL的安装

• 安装tensorflow：建议安装cpu-onlu版本（因为本人pytorch安装的是GPU版本，避免在同一个虚拟环境下包冲突），可以选择直接pip安装，我安装的是tf-1.11.0版本
• 安装tensorboard_logger：安装十分简单，可以通过pip install tensorboard_logger命令直接安装

如何使用

1. 首先启动Tensorboard，命令格式如下：

tensorboard --logdir <your/running/dir> --port <your_bind_port>

我这里使用的命令是:

tensorboard --logdir /home/tenyun/Documents/Githome/pytorch_home/ --port 1234

这里选择端口的时候，一定要注意，不能选择被占用的端口

启动成功后，控制台如下输出:

TensorBoard 1.11.0 at http://TenYun:1234 (Press CTRL+C to quit) 

2. 代码中使用：

from tensorboard_logger import Logger
# 构建logger对象，logdir用来指定log文件的保存路径
# flush_secs用来指定刷新同步间隔
logger = Logger(logdir="/home/tenyun/Documents/Githome/pytorch_home", flush_secs=2)
# 模拟函数
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）查看结果

运行以后，到浏览器输入: http://localhost:1234，注意换成你绑定的端口，可以看到结果如下：

参考

[1] 深度学习框架Pytorch：入门与实践（陈云著）
[2] 官网：https://www.tensorflow.org/guide/summaries_and_tensorboard