在深度学习训练的过程中，如果能够可视化一些过程的变化，比如loss的变化过程等，将会对模型的性能表现有更加清晰的认识。

目前， 最常用的深度学习训练过程可视化工具是tensorboard，这个是tensorflow配套的可视化工具，但是Pytorch目前也支持该工具。

下面讲下如何使用该工具来进行训练过程的可视化。

安装

一般来讲如果配置好了Pytorch的深度学习环境，直接用pip安装即可：

pip install tensorboard

使用

总得来说tensorboard的使用过程包括三个步骤：

1. 创建log文件夹
2. 将数据写入log文件中
3. 使用tensorboard可视化

示例代码：

from torch.utils.tensorboard import SummaryWriter   

writer = SummaryWriter(comment='test plot')

for x in range(1000):
    writer.add_scalar('y=3x^2+5',3*x**2+5,x)

首先实例化一个SummaryWriter的类，comment参数是默认生成的log文件的后缀，刚开始学可以不管，直接全部用默认的即可：

writer = SummaryWriter()

上面的命令会在当前文件夹下生成一个runs文件夹，用于存在后面的log文件。

然后就很简单了，通过writer.add_scalar函数把需要可视化的数据写入log文件即可。

• 第一个参数文件是绘图的名称；
• 第二个参数是y轴的值；
• 第三个参数是x轴的值。

然后在命令行中输入如下命令：

tensorboard --logdir=runs

根据提示信息打开浏览器即可看到如下界面：

右边就是我们绘制的图像了。在实际应用过程中便可以展示相应的信息，比如随着epoch数的增加，loss的下降过程。

补充

1. tensorboard不仅可以可视化标量，还可以对图像等数据进行可视化，可以自己查看官网文档，对应的就是把 add_scalar函数替换为相应的函数并设置好参数即可；
2. 可视化之后还可以把数据下载为csv等文件，把绘图结果保存为svg格式；

参考

【1】https://pytorch.org/docs/stable/tensorboard.html