Tensorboard在网络训练中的Logger使用方法

做为神经网络训练中最常用的可视化工具，Tensorboard经常在Pytorch和Tensorflow框架中做为可视化工具。但是其使用的确是有点繁琐，所以开设了一个这样的专题，用于总结见过的工程里面的数据Logger设定方法。希望自己能够通过积累慢慢掌握这个工具。

一、YOLO-Pytorch版中的Logger

在陈老师这里做DAC比赛，让我有机会把YOLO工程整个撸了一遍。此工程中的数据保存相对简单，只使用了一个封装好的类Logger。

代码的utils文件夹下专门有一个logger.py文件完成类的书写：

import tensorflow as tf

class Logger(object):
    def __init__(self, log_dir):
        """Create a summary writer logging to log_dir."""
        # 创建一个数据保存器，给定文件路径
        self.writer = tf.summary.FileWriter(log_dir)

    def scalar_summary(self, tag, value, step):
        """Log a scalar variable."""
        # 保存标量，tag为标签，value是此次数值，step是时间节点
        summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value)])
        self.writer.add_summary(summary, step)

    def list_of_scalars_summary(self, tag_value_pairs, step):
        """Log scalar variables."""
        # 保存多个标量值，tag_value_pairs是tag和value做为数据对存放在其中
        summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value) for tag, value in tag_value_pairs])
        self.writer.add_summary(summary, step)