pytorch下tensorboard的使用程序示例

我们都知道tensorflow框架可以使用tensorboard这一高级的可视化的工具，为了使用tensorboard这一套完美的可视化工具，未免可以将其应用到Pytorch中，用于Pytorch的可视化。这里特别感谢Github上的解决方案： https://github.com/lanpa/tensorboardX。

一、tensorboard程序实例：

1.代码

from torch.utils.tensorboard import SummaryWriter  # 用于将数据写入tensorboard
import csv  # 用于从本地csv中读取数据

'''从csv读取数据，用于后续显示在tensorboard中'''

fileAddr = 'models/211016_101208/reward.csv'  # 待读取的文件地址
file = open(fileAddr, 'r')                    # 打开文件
data = csv.reader(file)                       # 从文件中读取数据，但此时data是{reader}格式
next(data)                                    # 忽略数据的第一行，这是csv的表头。

'''csv数据读取完毕'''

'''将data数据写入tensorboard'''

tensorboard_logs_addr = "logs_tensorboard/211021"  # 设定tensorboard文件存放的地址
writer = SummaryWriter(tensorboard_logs_addr)      
for index, data1 in enumerate(data):               # 开始写入文件。
   # 一个图中写入多组数据，共用y轴
   writer.add_scalars('adv_data/Rewards Per Episodes',
                                              {'agent0':float(data1[0]),
                                               'agent1':float(data1[1]),
                                               'agent2':float(data1[2]),}, index)
   # 一个图中写入一组数据
   writer.add_scalar('adv_data/step number per episode', int(data1[4]), index)

# 一个图中写入一组数据
   writer.add_scalar('gda_data/Rewards per episode', float(data1[3]), index)
   writer.add_scalar('gda_data/step number per episode', int(data1[4]), index)
writer.close()  # 完成后关闭

运行以上代码，便会在文件夹logs_tensorboard/211021中生成tensorboard数据。

2.在命令提示符中操作

# 打开命令提示符后默认在c盘，固先转换到d盘

C:\Users\wf>d:

# 进入程序所在文件夹

D:\>cd D:\04MADDPG\40_MADDPG_torch-master -UAV_FixedSpeed

# 打开tensorboard的代码

D:\04MADDPG\40_MADDPG_torch-master -UAV_FixedSpeed>tensorboard --logdir=logs_tensorboard/211021

完

说明：

tensorboard --logdir=logs_tensorboard/211021

tensorboard --logdir= 是不可更改的；

logs_tensorboard/211021 是tensorboard文件存放的地址；logs_tensorboard文件夹的上一层就是程序所在文件夹；

3.在浏览器中打开网址

http://localhost:6006/

4.效果

二、writer.add_scalar()与writer.add_scalars()参数说明

writer.add_scalar() 一副图中只有一组数据

writer.add_scalars() 一副图中有多组数据，但共用x轴

1.概述

将数据写入tensorboard只有以下代码：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("tensorboard文件存放地址")

# 将数据写入tensorboard文件，规定写入的形式
writer.add_scalar() 或 writer.add_scalars()

writer.close()

2.参数说明

writer.add_scalar('TAG', Y-DATA, X-DATA)

writer.add_scalars('TAG', {'Line1':Line1-Y-DATA,
                          'Line2':Line2-Y-DATA,
                          'Line3':Line3-Y-DATA,
                           ... ...            ,}, X-DATA)

其中：

• 运行一次writer.add_scalar()或writer.add_scalar()生成一张图像；

• 如果后面运行的writer.add_scalar()的标签和前面的相同，会覆盖掉旧的图像；

参数说明：

TAG 是当前绘制图像的分类标签，可以设置2级标签；如A1/B1,A1/C1,A2/B2;

当两张图像的第一级标签相同时，两张图象会放在一行；

当两张图像的第一级标签不同时，两张图象会放在不同的组，即两张图像上下放；

Y-DATA 是图像中Y轴的数据

Line1-Y-DATA 是图像中Line1的Y轴数据

Line2-Y-DATA 是图像中Line2的Y轴数据

Line3-Y-DATA 是图像中Line3的Y轴数据

X-DATA 是图像中X轴的数据

Line1、Line2、Line3是同一张图像中，几个曲线的名称，他们共用X轴

3.writer.add_scalar()效果

4.writer.add_scalars()效果

来源：https://blog.csdn.net/wf6892/article/details/120893425