Pytorch基础 - 3. torch.utils.tensorboard

原创

已于 2023-04-11 21:33:56 修改 · 1.5k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #pytorch #神经网络 #TensorBoard

于 2023-04-11 21:29:06 首次发布

本文介绍了如何使用PyTorch中的torch.utils.tensorboard模块进行TensorBoard可视化，包括可视化单条和多条训练曲线，以及网络结构。通过基本步骤和多个示例，详细阐述了TensorBoard在PyTorch项目中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 简介

Tensorboard是Tensorflow的可视化工具，常用来可视化网络的损失函数，网络结构，图像等。后来将Tensorboard集成到了PyTorch中，常使用torch.utils.tensorboard来进行导入。官网地址：TensorBoard — PyTorch

2. 基本步骤

(1) 首先执行如下代码，具体含义写在注释里

from torch.utils.tensorboard import SummaryWriter

if __name__ == '__main__':
    # 新建实例, log_dir为生成文件的存储地址, 不写参数默认是./run/文件夹下
    writer = SummaryWriter(log_dir='events存储地址')
    # 调用对象的方法，给文件写入数据
    writer.add_scalar(tag="show1", scalar_value=loss, global_step=epoch)
    writer.add_scalars(main_tag="show2", tag_scalar_dict={'fun1': None, 'fun2': None}, global_step=epoch)
    writer.add_graph(model=model, input_to_model=input)
    # 关闭writer
    writer.close()

(2) 执行完上述代码