pytorch使用tensorboardX进行loss可视化实例
版权申诉
151 浏览量
2020-09-17
20:34:18
上传
评论 2
收藏 90KB PDF 举报
pytorch使用使用tensorboardX进行进行loss可视化实例可视化实例
今天小编就为大家分享一篇pytorch使用tensorboardX进行loss可视化实例，具有很好的参考价值，希望对大家
有所帮助。一起跟随小编过来看看吧
最近pytorch出了visdom，也没有怎么去研究它，主要是觉得tensorboardX已经够用，而且用起来也十分的简单
pip install tensorboardX
然后在代码里导入
from tensorboardX import SummaryWriter
然后声明一下自己将loss写到哪个路径下面
writer = SummaryWriter('./log')
然后就可以愉快的写loss到你得这个writer了
niter = epoch * len(train_loader) + i
writer.add_scalars(args.result_path + 'Train_val_loss', {args.result_path+'train_loss': loss.data.item()}, niter)
其中，add_scalars是将不同得变量添加到同一个图下，图的名称是add_scalars得第一个变量
然后为这个图中不同得曲线添加不同得标题，上面这一行代码
writer.add_scalars(args.result_path + 'Train_val_loss', {args.result_path+'train_loss': loss.data.item()}, niter)
后面得dict中得key是曲线的名称，后面的value是对应得append的值，再后面得niter是x坐标，这句话得意思就相当于，对于
图名称为args.result_path + 'Train_val_loss'的图，对曲线名称为args.result_path+'train_loss'添加新的点，这个点为（niter,
loss.data.item()）
同样的，我可以画出val的loss
niter = epoch * len(train_loader) + i
writer.add_scalars(args.result_path + 'Train_val_loss', {args.result_path+'val_loss': mean_loss}, niter)
writer保存到了我们刚刚声明的路径'./log‘下面，然后终端启动tensorboard
tensorboard --logdir ./log --port 8890
不会用得进行tensorboard --help即可
然后进行端口映射就行了
实际上在使用的过程中，我发现了，如果你要保存的结果在各个子文件夹内，然后你在父文件夹运行tensorboard，就可以在
浏览器看到各种结果，而不必再进行不同的端口映射
比如上面这个，我的resnet文件夹下有不同的我writer写入的文件，在父目录下启动tensorboard之后，
资源评论
