Pytorch：使用Tensorboard记录训练状态

我们知道TensorBoard是Tensorflow中的一个强大的可视化工具，它可以让我们非常方便地记录训练loss波动情况。如果我们是其它深度学习框架用户（如Pytorch），而想使用TensorBoard工具，可以安装TensorBoard的封装版本TensorBoardX：

pip install tensorboardx

具体使用方法如下：

from tensorboardX import SummaryWriter
writer = SummaryWriter('tensorboard/')

x = range(100)
for i in x:
    writer.add_scalar('y=2x', i * 2, i,)
    writer.add_scalar('y=x^2', i ** 2, i,)
writer.close()

然后再再当前路径下会生成名称为tensorboard文件夹及对应的记录文件，我们再使用命令 tensorboard --logdir tensorboard，可以看到对应输出：

(base) ➜  Learn-Pytorch tensorboard --logdir tensorboard

NOTE: Using experimental fast data loading logic. To disable, pass
    "--load_fast=false" and report issues on GitHub. More details:
    https://github.com/tensorflow/tensorboard/issues/4784

I1126 18:06:12.417282 6209499136 plugin.py:429] Monitor runs begin
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.9.0 at http://localhost:6006/ (Press CTRL+C to quit)

此时只需要按照提醒打开http://localhost:6006/路径即可查看数据可视化情况，如下所示：

如果我们想将图片保存为矢量图或者导出csv/json文件，可以点击右边的Show data download links选项，即可出现对应的导出选项：

最后，需要提到的是，因为Tensorboard太常用了，所以在目前最新的Pytorch版本中已经直接集成进来了。所以，现在使用Tensorboard只需要直接导入torch.utils.tensorboard即可：

from torch.utils.tensorboard import SummaryWriter

x = range(100)
for i in x:
    writer.add_scalar('y=2x', i * 2, i,)
    writer.add_scalar('y=x^2', i ** 2, i,)
writer.close()