TensorBoard

一个数据可视化工具包

常用的功能

保存网络的结构图
保存训练过程中的损失loss，验证机的accuracy准确率、还有学习率变化等
保存权重数值的分布
保存预测图片的一些信息

在pytorch中使用tensorboard

安装tensorboard
shell
```
pip install tensorboard
```

python

 from torch.utils.tensorboard import SummaryWriter

创建SummaryWriter实例，可以在训练过程中不断地往这个 writer 写数据。
python
```
writer = SummaryWriter(log_dir='logs/exp1')  # 日志文件会保存在 runs/exp1 目录下
```

写入训练数据，写标量（如 loss 和 accuracy）

python

for epoch in range(100):
    loss = some_loss_value
    acc = some_accuracy_value
    writer.add_scalar('Loss/train', loss, epoch)
    writer.add_scalar('Accuracy/train', acc, epoch)

关闭writer
python
```
 writer.close()
```
启动TensorBoard,文件夹名和
shell
```
 tensorboard --logdir=logs
```
比如项目文件夹为
csharp
```
 my_project/
 ├── train.py
 ├── logs/
 │   └── exp1/
 │       └── events.out.tfevents.123456...
```
- 1. 在代码里你写的是：SummaryWriter(log_dir="logs/exp1")
- 1. 启动 TensorBoard 时,可以写：tensorboard --logdir=logs，代表着看logs下的多个实例结果；如果 --logdir=logs/exp1，则代表着只会显示 logs/exp1 这个目录下的日志数据