Pytorch中TensorBoard及torchsummary的使用方法

這篇文章將為大家詳細講解有關Pytorch中TensorBoard及torchsummary的使用方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

1.TensorBoard神經網絡可視化工具

TensorBoard是一個強大的可視化工具，在pytorch中有兩種調用方法：

1.from tensorboardX import SummaryWriter

這種方法是在官方還不支持tensorboard時網上有大神寫的

2.from torch.utils.tensorboard import SummaryWriter

這種方法是后來更新官方加入的

1.1 調用方法

1.1.1 創建接口SummaryWriter

功能：創建接口

調用方法：

writer = SummaryWriter("runs")

參數：

log_dir：event file輸出文件夾

comment：不指定log_dir時，文件夾后綴

filename_suffix：event file文件名后綴

1.1.2 記錄標量add_scalars()

功能：記錄標量add_scalars()

調用方法：

writer.add_scalars("name",{"dic":val},epoch)

參數：

tag：圖像的標簽名

scalar_step：要記錄的標量

global_step：輪次

1.1.3 統計直方圖add_histogram()

功能：統計直方圖與多分位數折線圖

調用方法：

writer.add_histogram("weight",self.fc.weight,epoch)

參數：

tag：圖像的標簽名

values：要畫直方圖的數據

global_step：輪次

bins：取值有 ‘tensorflow'、‘auto'、‘fd' 等

1.1.4 批次顯示圖像add_image()

功能：批次顯示圖像

調用方法：

writer.add_image(“Cifar10”, img_batch, epoch,'CHW')

參數：

tag：圖像的標簽名

img_tensor：圖像數據，注意尺寸

global_step：輪次

dataformats：數據形式，CHW,HWC,HW

1.1.5 查看模型圖add_graph()

功能：查看模型圖

調用方法：

writer.add_graph(model=net,input_to_model=torch.randn(1,3, 224, 224).to(device))

參數：

model：模型，必須是nn.Module

input_to_model：輸出給模型的數據

verbose：是否打印計算圖結構信息

寫完記得要寫 writer.close()

2.查看網絡層形狀、參數torchsummary

功能：查看網絡層形狀、參數

調用方法：

from torchsummary import summary
summary(net, input_size=(3, 224, 224))

參數：

model：pytorch模型

input_size：模型輸入size

batch_size：batch size

device：“cuda” or “cpu”

3.啟動tensorboard

在文件路徑中cmd打開終端，輸入

tensorboard --logdir="./runs"

runs是我保存文件的文件名，打開以下鏈接

補充：pytorch調用tensorboard方法嘗試

tensorboard提供了用于監視訓練損失很好的接口，可以幫助我們更好的調整參數。下文介紹如何在pytorch中調用tensorboard。

首先

安裝tensorboard、tensorflow以及tensorboardX

第二

在文件開頭導入SummaryWriter

from tensorboardX import SummaryWriter

第三

同tensorflow的tensorboard一樣，tensorboardX提供多種記錄方式如scalar、image等。

writer = SummaryWriter('path')

如果不添加path，則默認以時間命名。

第四

添加監視變量

writer.add_scalar('Train/Acc', Acc, iter)

第五

打開tensorboard

tensorboard --logdir 'path'

第六

在瀏覽器打開6006端口

pytorch的優點

1.PyTorch是相當簡潔且高效快速的框架；2.設計追求最少的封裝；3.設計符合人類思維，它讓用戶盡可能地專注于實現自己的想法；4.與google的Tensorflow類似，FAIR的支持足以確保PyTorch獲得持續的開發更新；5.PyTorch作者親自維護的論壇 供用戶交流和求教問題6.入門簡單

關于“Pytorch中TensorBoard及torchsummary的使用方法”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。