1 引言
老师让我将线性回归训练得出的loss值进行可视化,于是我使用了tensorboard将其应用到Pytorch中,用于Pytorch的可视化。
2 环境安装
本教程代码环境依赖:
python 3.7+
Pytorch 0.4.0+
tensorboardX安装: pip install tensorflow、pip install tensorboardX
VSCode + jupyter notebook
在VSCode中运行jupyter notebook,运行线性回归预测代码
3 代码教程
TensorboardX可以提供中很多的可视化方式,本文主要介绍使用scalar。
3.1 scalar教程
先上代码:
from tensorboardX import SummaryWriter writer = SummaryWriter()# 训练模型 num_epochs = 100 for epoch in range(num_epochs): for x, y in data_iter: l = loss(net(x), y) trainer.zero_grad() l.backward() trainer.step() l = loss(net(features), labels) # 写入loss值 writer.add_scalar('scalar/train_loss', l, epoch) writer.close()
训练模型不需要看,主要看以下代码:
from tensorboardX import SummaryWriter writer = SummaryWriter() for epoch in range (num_epochs): writer.add_scalar('scalar/train_loss', l, epoch) writer.close()
要使用,照着用就行。
先不解释代码含义,接下来说一下怎么查看图像。
3.1.1 查看结果
1、运行完代码后,默认目录会产生一个runs的文件夹,文件夹保存到就是相关数据。
2、打开文件夹,找到文件夹中的文件,右击,找到图中的2,点击;
接下来就会运行到terminal中;
3、复制文件地址,在terminal中输入tensorboard --logdir 文件地址,回车运行即可。
4、运行最后会有一个链接,Ctrl+鼠标左键点击,就会在浏览器中显示图像。
结果图:
最后: