最近训练总是出问题，听取建议，在pytorch环境下引入了tensorboard

1、安装tensorboardX

tensorboardX是在tensorboard前提下进行安装的，所以我们需要先安装tensorboard

pip install tensorboard

pip install tensorboardX

2、简单使用

这里我们最长久的就是对损失收敛图进行一个使用

2.1 引入对应的模块进行初始化

# 导入可视化模块（ll添加）
from tensorboardX import SummaryWriter
writer = SummaryWriter('./result_tensorboard')

在我们训练的方法里添加可视化曲线图

        if i % 10 == 0:
            print(
                f"Train epoch {epoch}: ["
                f"{i * len(d)}/{len(train_dataloader.dataset)}"
                f" ({100. * i / len(train_dataloader):.0f}%)]"
                f'\tLoss: {out_criterion["loss"].item():.3f} |'
                f'\tMSE loss: {255*255*out_criterion["mse_loss"].item():.3f} |'
                f'\tBpp loss: {out_criterion["bpp_loss"].item():.2f} |'
                f"\tAux loss: {aux_loss.item():.2f}"
            )
            
            writer.add_scalar('Loss',out_criterion["loss"].item(),epoch)
            writer.add_scalar('MSE loss',255*255*out_criterion["mse_loss"].item(),epoch)
            writer.add_scalar('Bpp loss',out_criterion["bpp_loss"].item(),epoch)
            writer.add_scalar('Aux loss',aux_loss.item(),epoch)
            

查看页面指令

tensorboard --logdir=/xxxx/xxx

随着训练的进行可以看到对应的曲线

3、其他使用

另外tensorboardX还可以进行特征可视化，网络模型可视化等，正在探索中…

4、遇到的问题

4.1 tensorboard未找到命令

tensorboard未找到命令

第一次安装的时候按照上面的流程可以进行成功启动，但是后来跑完当前的任务后，发现换一个代码跑就报错了
解决方法

pip install tensorflow

tensorboard是基于tensorflow的，首先我们应该安装tensorflow

ps：关于启动的命令可以自定义port

tensorboard --logdir=/xxx --port 6007