pytorch 如何使用tensorboard实时查看曲线---- tensorboardX简介

用惯了tensorflow的小伙伴肯定都用过tensorboard工具吧。虽然Facebook也推出了visdom，但是在一次不小心误触clear之后，我放弃了这个工具（页面的一个clear按钮我本来是想按save的……它们俩一左一右，脑子一热按错了，点击之后clear之后不知道怎么找回曲线数据，真的崩溃）

 

说回pytorch使用tensorboard吧……

1. 首先是安装。

   pip install tensorboardX

   这东西虽然是给pytorch用的，但是其实还是走的tensorboard那一套东西，所以你的环境里还需要有tensorflow。（cpu、gpu版本不限，随手装一个就好了）

2. 调用

   from tensorboardX import SummaryWriter

   使用的就是SummaryWriter这个类。简单的使用可以直接使用SummaryWriter实例

   # before train
   log_writer = SummaryWriter('log_file_path')
   
   # in training
   log_writer.add_scalar('Train/Loss', loss.data[0], niter) 
   # in pytorch1.0 loss.data[0] should be loss.item()

   如果你不仅仅是需要记录一个loss这么简单，也可以对SummaryWriter做一个封装。

   class Tacotron2Logger(SummaryWriter):
       def __init__(self, logdir):
           super(Tacotron2Logger, self).__init__(logdir)
   
       def log_training(self, reduced_loss, grad_norm, learning_rate, duration,
                        iteration):
               self.add_scalar("training.loss", reduced_loss, iteration)
               self.add_scalar("grad.norm", grad_norm, iteration)
               self.add_scalar("learning.rate", learning_rate, iteration)
               self.add_scalar("duration", duration, iteration)
   
       def log_validation(self, reduced_loss, model, y, y_pred, iteration):
           self.add_scalar("validation.loss", reduced_loss, iteration)
           _, mel_outputs, gate_outputs, alignments = y_pred
           mel_targets, gate_targets = y
   
           # plot distribution of parameters
           for tag, value in model.named_parameters():
               tag = tag.replace('.', '/')
               self.add_histogram(tag, value.data.cpu().numpy(), iteration)
   
           # plot alignment, mel target and predicted, gate target and predicted
           idx = random.randint(0, alignments.size(0) - 1)
           self.add_image(
               "alignment",
               plot_alignment_to_numpy(alignments[idx].data.cpu().numpy().T),
               iteration)
           self.add_image(
               "mel_target",
               plot_spectrogram_to_numpy(mel_targets[idx].data.cpu().numpy()),
               iteration)
           self.add_image(
               "mel_predicted",
               plot_spectrogram_to_numpy(mel_outputs[idx].data.cpu().numpy()),
               iteration)
           self.add_image(
               "gate",
               plot_gate_outputs_to_numpy(
                   gate_targets[idx].data.cpu().numpy(),
                   F.sigmoid(gate_outputs[idx]).data.cpu().numpy()),
               iteration)

   这段代码是从NVIDIA tacotron2中摘取过来的。使用和前面一样，只不过把类名改一下就是了，调用的时候，按照你自己定义的类函数去调用就好了。基本功能还是都在的，画图画曲线什么的。没有visdom花里胡哨就是了。

   log_writer = Tacotron2Logger('log_file_path')
   
   log_writer.log_training(self, reduced_loss, grad_norm, learning_rate, duration, iteration)

   这样封装后，就不会在train的代码里很凌乱了。

3. 网页查看，这个就回到tensorboard一样的操作了。

   tensorboard --logdir=./log_file_path --port=8765
   # log_file_path 是初始化log_writer时候的那个参数地址。
   # 这里端口号可以随意改，默认是6006。

    

4. 然后命令行会告诉你在浏览器输入 ip:8765进行查看，这个和tensorboard一样了就。