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……
- 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）
- 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。
- 网页查看，这个就回到tensorboard一样的操作了。
tensorboard --logdir=./log_file_path --port=
# 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。 - 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。