tensorboardX的Scalar使用详解

前言

​ 昨日想通过可视化的方式观察使用Pytorch训练的模型的loss下降趋势，以及模型框架，经过对比，选择tensorboardX。Github上的解决方案：**https://github.com/lanpa/tensorboardX**。

依赖环境

Python 2.7+

Pytorch 0.4+

tensorboardX: pip install tensorboardX, pip install tensorflow

代码教程

Scalar 教程

import numpy as npfrom tensorboardX 
import SummaryWriter
writer = SummaryWriter()
for epoch in range(100):    
    writer.add_scalar('scalar/test', np.random.rand(), epoch)       
    writer.add_scalars('scalar/scalars_test', {'xsinx': epoch*np.sin(epoch), 'xcosx': epoch*np.cos(epoch)}, epoch)
writer.close()

​ writer = Summarywriter()有两个参数(log_dir=None, comment=‘’, **kwargs)，其中log_dir为生成的文件所存放的目录，comment为文件名称，默认目录生成runs文件夹目录。

​ 当SummaryWriter(comment=’base_scalar’)，生成结果为：

​ writer.add_scalar()，这句话是将我们需要的数据保存在文件里供可视化使用。第一个参数理解为保存的名称，第二个参数为Y轴数据，第三个参数为X轴数据。我们在runs同级目录下使用命令行：tensorboard –logdir runs，如下所示：

​ 最终的效果图如下：