pytorch使用tensorboardX进行loss可视化

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

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，

没毛病

巴特西

pytorch使用tensorboardX进行loss可视化

最新文章

热门文章