【pytorch基础】tensorboard可视化的使用

前言

tensorboard可以对很多数据等进行可视化,比如Scalar(s)/ image(s)/ histogram/ figure/ video/ audio/ text/ graph/ PR/ mash等等。

1. 模块导入

from torch.utils.tensorboard import SummaryWriter
# default `log_dir` is "runs" - we'll be more specific here
writer = SummaryWriter('runs/fashion_mnist_experiment_1')

创建一个保存可视化文件 runs/fashion_mnist_experiment_1的文件夹,默认是runs;

2. 写入tensorboard

writer.add_scalar('Loss/train', np.random.random(), n_iter)
writer.add_image('images', grid, 0)
writer.add_graph(model, images)

有多中类型的数据可以写入,具体的可查看官网示例

3. 关闭和查看tensorboard

writer.close()

查看

tensorboard --logdir=runs

打开本地的链接即可查看。包含多个模块IMAGES、SCALES、GRAPHS、PROJECTOR;

【pytorch基础】tensorboard可视化的使用

 

 

参考

1. 使用 TensorBoard 可视化模型,数据和训练

2. TORCH.UTILS.TENSORBOARD

上一篇:今日话题——半带滤波器


下一篇:Python 将数据写入CSV文件