可视化工具——TensorBoard

可视化工具——TensorBoard

具体代码实现查找我的其他相关博客文章

一、TensorBoard简介

1. TensorFlow中强大的可视化工具
2. 支持标量、图像、文本、音频、视频和embedding等多种数据可视化

二、TensorBoard的安装
命令安装：pip install tensorboard即可

如果出现：“No module named past”时
通过pip install future即可解决

三、TensorBoard的运行机制
（1）python脚本：用来记录可视化的数据
（2）硬盘：event file
（3）终端：tensorboard

四、Tensorboard的使用
1.add_scalar（）

add_scalar(tag,scalar_value,global_step=None,walltime=None)

功能：记录标量 注意事项：只能记录一条曲线
主要参数：
tag：图像的标签名，图的唯一标识
scalar_value：要记录的标量
global_step：x轴

2.add_scalars（）

add_scalars(maintag,tag_scalar_dict,global_step=None,walltime=None)

功能：记录标量 注意事项：可以绘制多条曲线
主要参数：
main_tag：该图的标签
tag_scalar_dict：key是变量的tag，value是变量的值

3.add_histogram（）

add_histogran(tag,values,global_step=None,bins="tensorflow",walltime=None)

功能：统计直方图与多分位数折线图
主要参数：
tag：图像的标签名，图的唯一标识
values：要统计的参数
global_step：y轴
bins：取直方图的bins

4.add_image()

add_image(tag,img_tensor,global_step=None,walltime=None,dataformats="CHW")

功能：记录图像
主要参数：
tag：图像的标签名，图的唯一标识
img_tensor：图像数据，注意尺度
global_step：x轴
dataformats：数据形式，CHW,HWC,HW

一种实用工具，制作网格图像
附1：torchvision.utils.make_grad

make_grad(tensor,nrow=8,padding=2,normalize=False,range=None,scale_each=False,pad_value=0)

功能：制作网格图像
主要参数：
tensor：图像数据，BCH*W的形式
nrow：行数（列数自动计算）
padding：图像间距（像素单位）
normalize：是否将像素值标准化
range：标准化范围
scale_each：是否单张图维度标准化
pad_value：padding的像素值

5.add_graph()

add_graph(model,input_to_model=None,verbose=False)

功能：可视化模型计算图
主要参数：
model：模型，必须是nn.Module
input_to_model：输出给模型的数据
verbose：是否打印计算图结构信息

一种实用工具，查看模型信息
torchsummary

summary(model,input_size,batch_size=-1,device="cuda")

功能：查看模型信息，便于调试
主要参数：
model：pytorch模型
input_size：模型输入size
batch_size：batch_size
device：“cuda” or “cpu”

备注：根据深度之眼课程整理