这篇博客介绍了如何在PyTorch项目中利用Tensorboard进行训练过程的可视化。首先，从`torch.utils.tensorboard`导入`SummaryWriter`。然后，在代码开始处初始化这个类，并指定数据保存路径。接着，在训练循环中，利用`tb_writer.add_scalar()`添加如学习率、损失函数等关键指标。最后，数据保存后，在终端启动tensorboard并查看可视化结果，以便于理解模型的训练状况和性能。
这里使用VIT代码作为例子：
1：在train.py文件导入SummaryWriter。
from torch.utils.tensorboard import SummaryWriter
2：在代码运行前初始化类，SummaryWriter(),括号内可加入用于保存数据的路径。
3：调用tb_writer,向里面添加可视化变量名字，比如学习率，损失函数等。
注意所加的位置在已经生成这些数据的后面。
4：在运行完之后，在保存数据的路径下打开，会找到一个名字很长的文件。
保持这个界面不要动，同时打开终端里的tensorboard(我在jupter notebook里)。
就就可以看到写入的数据了。
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
