Pytorch 는 tensorboardX 를 사용 하여 시각 화 합 니 다.초 상세!!!

머리말

       tensorflow      tensorboard           ，    tensorboard           ，         Pytorch ，  Pytorch    。      Github      ： https://github.com/lanpa/tensorboardX。
                    。
 TensorboardX  scalar, image, figure, histogram, audio, text, graph, onnx_graph, embedding, pr_curve and videosummaries           ，         Github     。

2 환경 설치
본 튜 토리 얼 코드 환경 의존:
python 3.6+
Pytorch 0.4.0+
tensorboardX: pip install tensorboardX、pip install tensorflow
3 코드 튜 토리 얼

   TensorboardX             ，      scalar   graph，      。

3.1 scalar 튜 토리 얼
상기 코드 를 설명 하려 면 먼저:from tensorboardXimport Summary Writer 를 가 져 온 다음 Summary Writer()인 스 턴 스 를 정의 합 니 다.Summary Writer()에서 마우스 ctrl+b 를 사용 하면 Summary Writer()의 인 자 는 def init(self,log 입 니 다.dir=None,comment=',**kwargs):그 중 logdir 는 생 성 된 파일 을 위 한 디 렉 터 리 입 니 다.comment 는 파일 이름 입 니 다.기본 디 렉 터 리 는 runs 폴 더 디 렉 터 리 를 만 드 는 것 입 니 다.우 리 는 상기 코드 를 실행 합 니 다:생 성 결 과 는:
우리 가 Summary Writer(comment='basescalar’)。생 성 결 과 는:
우리 가 Summary Writer(logdir='scalar')log 추가dir 매개 변수,두 번 째 데 이 터 를 볼 수 있 는 파일 이름 은 base 를 포함 합 니 다.scalar 값.생 성 결과 디 렉 터 리:writer.addscalar('scalar/test',np.random.rand(),epoch),이 코드 의 역할 은 우리 가 필요 로 하 는 데 이 터 를 파일 에 저장 하여 시각 적 으로 사용 하 는 것 입 니 다.여 기 는 Scalar 형식 이 므 로 writer.add 를 사용 합 니 다.scalar(),다른 대형 은 대응 하 는 함 수 를 사용 합 니 다.첫 번 째 매개 변 수 는 저장 그림 의 이름 으로 간단하게 이해 할 수 있 습 니 다.두 번 째 매개 변 수 는 X 축 데이터 로 이해 할 수 있 고 세 번 째 매개 변 수 는 Y 축 데이터 로 이해 할 수 있 습 니 다.X 축 데이터 가 하나 가 아 닐 때 writer.add 를 사용 할 수 있 습 니 다.scalars().코드 를 실행 한 후 파일 을 생 성 한 후,우 리 는 runs 동급 디 렉 터 리 에서 명령 행 을 사용 합 니 다:tensorboard--logdir runs.Summary Writer(logdir='scalar')의 logdir 의 매개 변수 값 이 존재 할 때 tensorboard--logdir runs 를 tensorboard-logdir 매개 변수 값 으로 바 꾸 고 마지막 으로 writer.close()를 호출 합 니 다.링크 를 클릭 하면 우리 의 최종 필요 한 시각 화 결 과 를 볼 수 있 습 니 다.대응 하 는 그림 을 각각 클릭 하여 상세 한 상황 을 볼 수 있다.생 성 된 Scalar 이름 이'scalar/test'와'scalar/test'가 일치 하 는 것 을 볼 수 있 습 니 다.주:왼쪽 아래 에 있 는 파일 을 사용 하여 표시 하고 싶 은 그림 이나 모든 그림 을 선택 할 수 있 습 니 다.
3.2 그래프 튜 토리 얼
02_graph_model.py 코드 는 우선 신경 망 의 이름 을 Net 1 로 정의 합 니 다.그리고 이 를 tensorboard 에 추가 하 는 것 은 시각 화 되 어 있 습 니 다.with SummaryWriter(comment=‘Net1’)as w: w.add_graph(model, (dummy_input,)우 리 는 마지막 두 마디 에 중점 을 두 었 습 니 다.그 중에서 python 의 컨 텍스트 관 리 를 사 용 했 습 니 다.with 문 구 는 w.close 가 쓰 지 않 아서 발생 하 는 문 제 를 피 할 수 있 습 니 다.이 방식 을 추천 합 니 다.이것 은 신경 망 구조 이기 때문에 w.add 를 사용 합 니 다.graph(model, (dummy_input,))그 중에서 첫 번 째 매개 변 수 는 저장 해 야 할 모델 이 고 두 번 째 매개 변 수 는 입력 값,원조 유형 입 니 다.tensorvboard 콘 솔 을 열 면 다음 과 같은 결 과 를 얻 을 수 있 습 니 다.

      Net1          ，        。

모델 시각 화 결과 의 다른 부분 은 계속 전개 하여 상세 한 상황 을 볼 수 있다.
3.3 사 이 버 트 레이 닝 종합 강좌

                ，               ，             loss         。

실행 과정 에서 loss 와 model 을 각각 저장 하고 마지막 으로 tensorboard 콘 솔 을 열 면 모델 결과 와 loss 결 과 를 다음 그림 으로 얻 을 수 있 습 니 다.
모델 시각 화 결과 주:서로 다른 graph 의 시각 화 는 위의 그림 Run 옆 에 있 는 드 롭 다운 상 자 를 사용 하여 선택 할 수 있 습 니 다.
loss 시각 화 결과
3.4 텐서 보드 종합 데모

     Demo   TensorboardX     Demo  。

demo.py 최종 실행 의 모든 시각 화 결 과 는:최종 시각 화 결과 입 니 다.
끝 말

                    ，           ，      。
              ：[https://github.com/miaoshuyu/pytorch-tensorboardx-visualization](https://github.com/miaoshuyu/pytorch-tensorboardx-visualization)
    （      ，        ）
       ，     ，  ！！