在使用pytorch的过程中，一款好用的可视化工具是必不可少的，TensorBoard就是这样一款强大的神经网络可视化工具。那么这个工具要如何使用呢？请看小编接下来的介绍：

1.TensorBoard神经网络可视化工具

TensorBoard是一个强大的可视化工具，在pytorch中有两种调用方法：

1.from tensorboardX import SummaryWriter

这种方法是在官方还不支持tensorboard时网上有大神写的

2.from torch.utils.tensorboard import SummaryWriter

这种方法是后来更新官方加入的

1.1 调用方法

1.1.1 创建接口SummaryWriter

功能：创建接口

调用方法：

writer = SummaryWriter("runs")

参数：

log_dir：event file输出文件夹

comment：不指定log_dir时，文件夹后缀

filename_suffix：event file文件名后缀

1.1.2 记录标量add_scalars()

功能：记录标量add_scalars()

调用方法：

writer.add_scalars("name",{"dic":val},epoch)

参数：

tag：图像的标签名

scalar_step：要记录的标量

global_step：轮次

1.1.3 统计直方图add_histogram()

功能：统计直方图与多分位数折线图

调用方法：

writer.add_histogram("weight",self.fc.weight,epoch)

参数：

tag：图像的标签名

values：要画直方图的数据

global_step：轮次

bins：取值有 ‘tensorflow'、‘auto'、‘fd' 等

1.1.4 批次显示图像add_image()

功能：批次显示图像

调用方法：

writer.add_image(“Cifar10”, img_batch, epoch,'CHW')

参数：

tag：图像的标签名

img_tensor：图像数据，注意尺寸

global_step：轮次

dataformats：数据形式，CHW,HWC,HW

1.1.5 查看模型图add_graph()

功能：查看模型图

调用方法：

writer.add_graph(model=net,input_to_model=torch.randn(1,3, 224, 224).to(device))

参数：

model：模型，必须是nn.Module

input_to_model：输出给模型的数据

verbose：是否打印计算图结构信息

写完记得要写 writer.close()

2.查看网络层形状、参数torchsummary

功能：查看网络层形状、参数

调用方法：

from torchsummary import summary
summary(net, input_size=(3, 224, 224))

参数：

model：pytorch模型

input_size：模型输入size

batch_size：batch size

device：“cuda” or “cpu”

3.启动tensorboard

在文件路径中cmd打开终端，输入

tensorboard --logdir="./runs"

runs是我保存文件的文件名，打开以下链接

补充：pytorch调用tensorboard方法尝试

tensorboard提供了用于监视训练损失很好的接口，可以帮助我们更好的调整参数。下文介绍如何在pytorch中调用tensorboard。

首先

安装tensorboard、tensorflow以及tensorboardX

第二

在文件开头导入SummaryWriter

from tensorboardX import SummaryWriter

第三

同tensorflow的tensorboard一样，tensorboardX提供多种记录方式如scalar、image等。

writer = SummaryWriter('path')

如果不添加path，则默认以时间命名。

第四

添加监视变量

writer.add_scalar('Train/Acc', Acc, iter)

第五

打开tensorboard

tensorboard --logdir 'path'

第六

在浏览器打开6006端口

以上就是Pytorch怎么使用TensorBoard的全部内容，希望能给大家一个参考，也希望大家多多支持W3Cschool。如有错误或未考虑完全的地方，望不吝赐教。