Tensorboard的学习笔记

一， 什么是TensorBoard？

TensorBoard是TensorFlow自带的一个可视化工具包，可以帮助我们直观地理解、调试和优化机器学习模型。

二，基本使用步骤

1. 创建日志文件

首先：

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('logs')
for i in range(100):
    writer.add_scalar("y=x", i, i)
writer.close()

用于创建一个 TensorBoard 日志记录器，用于将数据写入日志文件。

3. 启动TensorBoard

在命令行中运行：

tensorboard --logdir logs

然后点击命令行中显示的http://localhost:6006/ 进入可视化界面后就是下图所示的样子：

TensorBoard主要功能

1. Scalars（标量指标）

• 显示训练过程中的损失和准确率等指标变化
• 可以比较不同训练运行的曲线

2. Graphs（计算图）

• 可视化模型的计算图
• 可以查看模型的结构
• 对于理解模型流程很有帮助

3. Distributions & Histograms（分布和直方图）

• 显示权重和偏差的分布随时间的变化

4. Projector（投影）

• 高维数据的可视化
• 可以用来查看词嵌入等

拓展的实用技巧——目前正在学习中

1. 给运行起个好名字：可以在log_dir中加入时间戳，方便区分不同训练：

   import datetime
   log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
   

2. 调整刷新频率：如果数据太多，可以设置update_freq参数：

   tensorboard_callback = TensorBoard(log_dir=log_dir, update_freq='batch')
   

3. 同时比较多个模型：把不同模型的日志放在logs目录下的不同子目录中，TensorBoard会自动比较它们。

常见问题

Q: TensorBoard打不开怎么办？
A: 检查端口6006是否被占用，可以用--port参数指定其他端口：

tensorboard --logdir logs/fit --port 6007

Q: 看不到数据怎么办？
A: 确保log_dir路径正确，并且训练时确实调用了回调函数。