Pytorch中TensorBoard及torchsummary的使用详解
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
以上为个人经验，希望能给大家一个参考，也希望大家多多支持猪先飞。如有错误或未考虑完全的地方，望不吝赐教。
相关文章
pytorch nn.Conv2d()中的padding以及输出大小方式
今天小编就为大家分享一篇pytorch nn.Conv2d()中的padding以及输出大小方式，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...2020-04-27Linux安装Pytorch1.8GPU(CUDA11.1)的实现
这篇文章主要介绍了Linux安装Pytorch1.8GPU(CUDA11.1)的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧...2021-03-25- 这篇文章主要介绍了PyTorch一小时掌握之迁移学习篇，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下...2021-09-08
- 这篇文章主要介绍了Pytorch之扩充tensor的操作，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...2021-03-05
- 今天小编就为大家分享一篇pytorch 自定义卷积核进行卷积操作方式，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...2020-05-06
- 这篇文章主要介绍了解决pytorch 交叉熵损失输出为负数的问题，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...2020-07-08
pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率
今天小编就为大家分享一篇pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率，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...2020-05-02- 这篇文章主要介绍了pytorch 实现冻结部分参数训练另一部分，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...2021-03-27
从Pytorch模型pth文件中读取参数成numpy矩阵的操作
这篇文章主要介绍了从Pytorch模型pth文件中读取参数成numpy矩阵的操作，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...2021-03-04Pytorch 的损失函数Loss function使用详解
今天小编就为大家分享一篇Pytorch 的损失函数Loss function使用详解，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...2020-05-02- 今天小编就为大家分享一篇pytorch中的上采样以及各种反操作,求逆操作详解，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...2020-04-30
- 今天小编就为大家分享一篇Pytorch实现LSTM和GRU示例，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...2020-04-27
- 这篇文章主要介绍了基于Pytorch版yolov5的滑块验证码破解思路详解,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下...2021-02-25
解决Pytorch dataloader时报错每个tensor维度不一样的问题
这篇文章主要介绍了解决Pytorch dataloader时报错每个tensor维度不一样的问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教...2021-05-28pytorch中交叉熵损失(nn.CrossEntropyLoss())的计算过程详解
今天小编就为大家分享一篇pytorch中交叉熵损失(nn.CrossEntropyLoss())的计算过程详解，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...2020-05-02- 这篇文章主要介绍了pytorch深度学习中对softmax实现进行了详细解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步...2021-09-30
- 今天小编就为大家分享一篇Pytorch 计算误判率,计算准确率,计算召回率的例子，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...2020-04-27
- 这篇文章主要介绍了pytorch中的squeeze函数、cat函数使用，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教...2021-05-20
- 这篇文章主要介绍了Pytorch如何切换 cpu和gpu的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧...2021-03-01
- 今天小编就为大家分享一篇pytorch动态网络以及权重共享实例，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...2020-04-29