1 引言

  我們都知道tensorflow框架可以使用tensorboard這一高階的視覺化的工具，為了使用tensorboard這一套完美的視覺化工具，未免可以將其應用到Pytorch中，用於Pytorch的視覺化。這裡特別感謝Github上的解決方案： https://github.com/lanpa/tensorboardX。
  本文主要是針對該解決方案提供一些介紹。
 TensorboardX支援scalar, image, figure, histogram, audio, text, graph, onnx_graph, embedding, pr_curve and videosummaries等不同的視覺化展示方式，具體介紹移步至專案Github 觀看詳情。
 

2 環境安裝

本教程程式碼環境依賴：

python 3.6+

Pytorch 0.4.0+

tensorboardX: pip install tensorboardX、pip install tensorflow

3 程式碼教程

   TensorboardX可以提供中很多的視覺化方式，本文主要介紹scalar 和 graph，其他型別相似。

3.1 scalar教程

對上述程式碼進行解釋，首先匯入：from tensorboardXimport SummaryWriter，然後定義一個SummaryWriter() 例項。在SummaryWriter()上滑鼠ctrl+b我們可以看到SummaryWriter()的引數為：def init

(self, log_dir=None, comment=’’, **kwargs): 其中log_dir為生成的檔案所放的目錄，comment為檔名稱。預設目錄為生成runs資料夾目錄。我們執行上述程式碼：生成結果為：

當我們為SummaryWriter(comment=‘base_scalar’)。生成結果為：

當我們為SummaryWriter(log_dir=‘scalar’) 新增log_dir引數，可以看到第二條資料的檔名稱包括了base_scalar值。生成結果目錄為：

接著解釋writer.add_scalar(‘scalar/test’, np.random.rand(), epoch)，這句程式碼的作用就是，將我們所需要的資料儲存在檔案裡面供視覺化使用。 這裡是Scalar型別，所以使用writer.add_scalar()，其他的隊形使用對應的函式。第一個引數可以簡單理解為儲存圖的名稱，第二個引數是可以理解為X軸資料，第三個引數可以理解為Y軸資料（此處理解若不合理，請批評指正）。當X軸資料不止一個時，可以使用writer.add_scalars().執行程式碼之後生成檔案之後，我們在runs同級目錄下使用命令列：tensorboard --logdir runs. 當SummaryWriter(log_dir=‘scalar’)的log_dir的引數值 存在時，將tensorboard --logdir runs 改為 tensorboard --logdir 引數值

最後呼叫writer.close()。
點選連結即可看到我們的最終需要的視覺化結果。

可以分別點選對應的圖片檢視詳情。可以看到生成的Scalar名稱為’scalar/test’與’scalar/test’一致。注：可以使用左下角的檔案選擇你想顯示的某個或者全部圖片。

3.2 Graph教程

02_graph_model.py 程式碼
首先我們定義一個神經網路取名為Net1。然後將其新增到tensorboard可是視覺化中。
with SummaryWriter(comment=‘Net1’)as w:
w.add_graph(model, (dummy_input,))
我們重點關注最後兩句話，其中使用了python的上下文管理，with 語句，可以避免因w.close未寫造成的問題。推薦使用此方式。
因為這是一個神經網路架構，所以使用 w.add_graph(model, (dummy_input,))，其中第一個引數為需要儲存的模型，第二個引數為輸入值，元祖型別。開啟tensorvboard控制檯，可得到如下結果。

    點選Net1部分可以將其網路展開，檢視網路內部構造。

模型視覺化結果
其他部分可以繼續一次展開檢視詳情。

3.3 網路訓練綜合教程

    解釋完上述兩部分知識之後，我們可以綜合運用上述兩部分內容，實現線性擬合的訓練過程中的loss視覺化和模型的儲存。

我們將執行過程中loss和model分別儲存，最後開啟tensorboard控制檯，可以得到模型結果和loss的結果為下圖.

模型視覺化結果
注：不同的graph的視覺化可以使用上圖Run旁邊的下拉框選擇。

loss視覺化結果

3.4 Tensorboard綜合Demo

    本Demo程式碼為TensorboardX提供的官方Demo程式碼。

demo.py
最終執行的所有視覺化結果為：

最終視覺化結果

4 結束語

    本文是我寫的第一篇比較完整的文章，大家如果覺得幫助到了你，幫忙點個讚唄。
    本文所有的程式碼連結為：[https://github.com/miaoshuyu/pytorch-tensorboardx-visualization](https://github.com/miaoshuyu/pytorch-tensorboardx-visualization)
    （對你有用的話，麻煩點個小星星唄）
    若轉載，請標明出處，謝謝！！