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：

 

 

 

标签：loss,tensorboardX,--,代码,writer,epoch,scalar,tensorboard,深度
来源： https://www.cnblogs.com/longyi8013/p/14821566.html