torch.utils.tensorboard

目录

• TensorBoard 神经网络可视化工具
  • 1. pytorch 官方文档解析
  • 2. 调用方法
    • 2.1 创建接口
    • 2.2 记录多个标量
    • 2.3 统计直方图
    • 2.4 批次显示图像
    • 2.5 查看模型图

TensorBoard 神经网络可视化工具

1. pytorch 官方文档解析

from torch.utils.tensorboard import SummaryWriterclass

class SummaryWriter(object)
	def __init__(
        self,
        log_dir=None, 
        comment='', 
        purge_step=None, 
        max_queue=10, 
        flush_secs=120, 
        filename_suffix=''
    )
    def add_scalar(
        self,
        tag, 
        scalar_value, 
        global_step=None,
        walltime=None, 
        new_style=False, 
        double_precision=False
    )
    def add_scalars(
        self, 
        main_tag, 
        tag_scalar_dict, 
        global_step=None, 
        walltime=None
    )
    def add_histogram(
        self,
        tag,
        values,
        global_step=None,
        bins="tensorflow",
        walltime=None,
        max_bins=None,
    )
    def add_image(
        self, 
        tag, 
        img_tensor, 
        global_step=None, 
        walltime=None, 
        dataformats="CHW"
    )
    def add_images(
        self, 
        tag, 
        img_tensor, 
        global_step=None, 
        walltime=None, 
        dataformats="NCHW"
    )
    def add_graph(
        self, 
        model, 
        input_to_model=None, 
        verbose=False, 
        use_strict_trace=True
    )

将条目直接写入 $log\_dir$ 中的时间文件以供 $TensorBoard$ 使用。

$SummaryWriter$ 类提供了一个高级 $API$，用于在给定目录中创建事件文件并向其添加摘要和事件。

__init__：

• log_dir($string$)：保存目录位置。默认为 runs/current_datetime_hostname，每次运行后都会更改。可自定义。
• comment($string$)：不指定 log_dir， 文件夹后缀。
• filename_suffix($int$)：log_dir目录中所有事件文件名后缀。

add_scalar：记录标量。

• tag($string$)：标签名。
• scalar_value($float、string、blobname$)：要记录的标量。
• global_step($int$)：轮次。
• new_stype($boolean$)：使用新样式（张亮字段）还是旧样式（$simple\_value$ 字段）。新样式可能有更快的加载速度。

add_scalars：记录多个标量。

• main_tag($string$)：多个标签名。
• tag_scalar_dict($dict$)：存储标签和对应的键值。
• global_step($int$)：轮次。

add_histogram：统计直方图与多分位数折线图

• tag($string$)：标签名。
• values($torch.Tensor、numpy.array、string、blobname$)：构建直方图的值。
• global_step($int$)：轮次。
• bins($string$)：取值 $tensorflow、auto、fd$ 等。这决定如何制作垃圾箱。

add_image：显示图像

• tag($string$)：标签名。
• img_tensor($torch.Tensor、numpy.array、string、blobname$)：图像数据。
• global_step($int$)：轮次。
• dataformats($string$)：$CHW、HWC、HW、WH$ 图像数据的格式。

add_images：批量显示图像

• tag($string$)：标签名。
• img_tensor($torch.Tensor、numpy.array、string、blobname$)：图像数据。
• global_step($int$)：轮次。
• dataformats($string$)：$NCHW、NHWC、CHW、HWC、HW、WH$ 图像数据的格式。

add_graph：查看模型图

• model($torch.nn.Model$)：模型，必须是 nn.Module。
• input_to_model($torch.Tensor、torch.Tensor列表$)：输出给模型的数据。
• verbose($bool$)：是否打印计算图结构信息。

写完记得写 writer.close()

2. 调用方法

2.1 创建接口

writer = SummaryWriter('runs')

2.2 记录多个标量

writer.add_scalars('name', {'dic': val}, epoch)

2.3 统计直方图

writer.add_histogram('weight', self.fc.weight, epoch)

2.4 批次显示图像

writer.add_images(“Cifar10”, img_batch, epoch, 'CHW')

2.5 查看模型图

writer.add_graph(model=net,input_to_model=torch.randn(1,3, 224, 224).to(device))

来自：

https://pytorch.org/docs/stable/tensorboard.html

https://m.w3cschool.cn/article/27419536.html