更详细内容可参考
详解PyTorch项目使用TensorboardX进行训练可视化
# 首先，导入包，创建用于记录数据的变量 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter() 采用with SummaryWriter() as writer:写法，可以省掉writer.close() # 记录模型训练（train）、验证（val）过程的标量信息，如loss、准确率等 writer.add_scalar() # 查看模型结构 writer.add_graph(self, model, input_to_model=None, verbose=False） input_to_model (torch.Tensor or list of torch.Tensor): a variable or a tuple of variables to be fed. 模型输入，可以有一个或者多个。搞不清楚shape时，建议用debug模式观察一下。模型输入必须存在。 # 用 PCA 主成分分析方法将高维数据投影到二维或三维空间，得到数据分布图 writer.add_embedding() # PR Curves：precision-recall curves for each class. writer.add_pr_curve() # 存储图像数据 writer.add_image() # 存储音频数据 writer.add_audio() # 记录一组数据的直方图。 # 同一数据不同 step 时候的直方图可以上下错位排布 (OFFSET) 也可重叠排布 (OVERLAY)，在HISTGRAMS界面中的histgram mode选择 writer.add_histogram()
12345678910111213141516171819202122232425262728在一个面板中显示不同过程的曲线，需要让结果保存在不同的同级文件夹中。例如：
# 一个面板中显示train_loss和val_loss Writer_train = SummaryWriter(‘./log’+’train’) # 都保存在二级文件夹 Writer_val = SummaryWriter(‘./log’+’val’) # 一个面板中显示不同超参数集合生成的模型的train_loss For param_set,i in param_sets: Writer = SummaryWriter(‘./log’+’seti’) 1234567
