pytorch SummaryWriter保存日志的方法

目录

• 1 安装与导入
• 2 添加需要保存标量数据
• 3 添加需要保存图片数据
• 4 直方图的记录
• 5 网络结构的记录

在pytorch框架中，关于日志的保存，其中一种方式就是借鉴使用了tensorboard的库。所以我们需要在环境中安装tensorboard库，然后再在工程中进行该库的调用

1 安装与导入

安装：conda install tensorboardX 或者 pip install tensorboardX

导入

from tensorboardX import SummaryWriter
 writer = S编程客栈ummaryWriter(logPath)
 ...
 writer.close()

2 添加需要保存标量数据

编程客栈

• add_Scalar(tag, scalar_value, global_step=None) 从源码中我们能看到核心的三个参数为前三个。通俗的讲分别代表
  • tag：图的标签名，唯一标识
  • scalar_value：y轴数据，标量数据的具体数值
  • global_step：x轴数据，要记录的全局步长值
• add_scalars(main_tag, tag_scalar_dit)多项标题记录方法，其中：
  • main_tag —— 该图的标签
  • tag_salar_dict —— 字典形式的tag-scalar_value对

源码中也有例子：

from tensorboardX import SummaryWriter
import numpy as np

writer = SummaryWriter('run/logs')

max_epoch = 100
for x in range(max_epoch):

    writer.add_scalar('t/y=2x', x * 2, x)    #x*2为y轴数据，x为x轴数据
    writer.add_scalar('t/y=pow_2_x', 2^x, x)
    writer.ad开发者_Go开发d_scalars('scalar_group', {"xsinx": x * np.sin(x),
                                     "xcosx": x * np.cos(x)}, x)
    writer.close()

运行完该脚本后，运行tensorboard命令：tensorboard --logdir=./run/

在浏览器中打开链接：【http://localhost:6006/】

3 添加需要保存图片数据

从源码中我们能看到add_image的主要参数如下。通俗的讲分别代表

• tag：曲线图名字，唯一标识
• img_tensor：图片数据，类型要求为 tensor/numpy/string 等
• global_step：要记录的全局步长值
• dataformats：图片输入的默认维度。注意是"CHW"

from tensorboardX import SummaryWriter
import numpy as np
img = np.zeros((3, 100, 100))
img[0] = np.arange(0, 10000).reshape(100, 100) / 10000
img[1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000

img_HWC = np.zeros((100, 100, 3))
img_HWC[:, :, 0] = np.arange(0, 10000).reshape(100, 100) / 10000
img_HWC[:, :, 1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000

writer = SummaryWriter('run/logs')
writer.add_image('my_image', img, 0)

# If you have non-default dimension setting, set the dataformats argument.
writer.add_image('my_image_HWC', img_HWC, 0, dataformats='HWC')
writer.close()

4 直方图的记录

画直方图主要为了看参数的分布状态，使用add_histogram(tag, values, global_step=None, bins=’tensorflow’, walltime=None)，其中tag, value, global_step的含义同上，示例如下：

# 每个epoch，记录梯度，权值
for name, param in net.named_parameters():
    writer.add_histogram(name + '_grad', param.grad, epoch)
    writer.add_histogram(name + '_data', param, epoch)

5 网络结构的记录

展示结构图使用add_graph(model, input_to_model=None, verbose=False)

writer = SummaryWandroidriter(comment='test_your_comment', filename_suffix="_test_your_filenampythone_suffix")
# 模型
fake_img = torch.rapythonndn(1, 3, 32, 32)
yolo = Yolo(classes=2)
writer.add_graph(yolo, fake_img)
writer.close()

到此这篇关于pytorch SummaryWriter保存日志的文章就介绍到这了,更多相关pytorch 保存日志内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！