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 SummaryWriterwriter = SummaryWriter(logPath)...writer.close()
  

2 添加需要保存标量数据

• 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 npwriter = 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.add_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) / 10000img_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) / 10000writer = 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 = SummaryWriter(comment='test_your_comment', filename_suffix="_test_your_filename_suffix")
# 模型
fake_img = torch.randn(1, 3, 32, 32)
yolo = Yolo(classes=2)
writer.add_graph(yolo, fake_img)
writer.close()