Tensorboard的使用（一）

• TensorBoard 是一个可视化工具，用于监控和调试深度学习模型的训练过程。

1.使用add_scalar()进行简单绘图

• 首先需要导入Tensorboard包

  from torch.utils.tensorboard import SummaryWriter
  

• 创建一个SummaryWriter类的实例，将所有的事件文件保存在 logs文件夹下面

  writer = SummaryWriter('logs')
  

• 使用add_scalar()方法绘制训练过程图

  for i in range(10):
      writer.add_scalar(tag = 'sinx',  # 绘制图的标题
                        scalar_value=np.sin(i),   # 绘制的图的y轴值
                        global_step=i) # 绘制的图的x轴
  writer.close() # 释放writer类，并将事件文件保存在logs目录下
  

  执行完代码后，会在logs目录下生成事件文件

  

• 在logs目录下打开命令行，使用下列命令行，表示加载logs目录下的所有事件文件，并指定在6007端口，打开命令窗口提示的链接，即可打开事件文件所成图像。

  tensorboard --logdir=logs --port=6007
  

  

  

2.注意事项

• 注意一下add_scalar()中的参数和图像的对应关系，tag参数可以认为是每个事件文件的唯一标识符，多次使用同一个tag，在不清除数据的情况下会持续往图表中增添数据；scalar_value是y轴，一般用于在训练过程中的损失函数情况；global_step是x轴，一般是训练过程中的epoch

  

• 报错 FailedPreconditionError: 检查是不是目录中有中文，注意不仅仅是相对目录，而是绝对目录