本文主要介绍TensorBoard的基本使用，主要是add_scalar()和add_image()两个函数的使用。

一、什么是TensorBoard?

介绍TensorBoard的主要功能

  TensorBoard 是一组用于 数据可视化 的工具。它包含在流行的开源机器学习库 Tensorflow 中。TensorBoard 的主要功能包括：

• 可视化模型的网络架构
• 跟踪模型指标，如损失和准确性等
• 检查机器学习工作流程中权重、偏差和其他组件的直方图
• 显示非表格数据，包括图像、文本和音频
• 将高维嵌入投影到低维空间

  虽然TensorBoard包含在Tensorflow框架中，但是可以独立安装，并且服务于Pytorch等其他框架。

二、怎么激活TensorBoard?

介绍TensorBoard的激活方法

这里介绍使用anaconda激活TensorBoard。

1、 首先，需要下载tensorboard，使用conda命令：

conda install tensorboard

2、 初始化一个SummaryWriter对象：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

writer.close()

SummaryWriter在当前文件目录下创建一个名为logs的文件夹，当然，这里的logs可以替换成任何你喜欢的名字，用于保存可视化数据。在程序运行完后，记得将文件关闭，使用writer.close命令。

3、 使用Anaconda Prompt，激活项目环境（上一篇提到我们使用的pytorch框架主要使用anaconda环境，所以项目的解释器也是anaconda环境，如何通过anaconda安装pytorch，并加载数据集），将anaconda环境切换到项目目录下：

cd /d [Path to Your Project]

使用命令激活Tensorboard:

tensorboard --logdir=logs

这里--logdir指定tensorboard加载的路径，logs即初始化时赋予的标签，也就是保存可视化数据的文件夹名称。

回车后：

这里说明tensorboard默认打开的端口是http://localhost:6006/，当然你也可以自定义打开的端口位置，使用命令：

tensorboard --logdir=logs --port=6007

指定端口为6007。

打开后为这个样子，因为还没有写入任何可视化数据，所以页面中没有数据。

三、add_scalar函数

  add_scalar 是 PyTorch 的 SummaryWriter 类中的一个方法，常用于将标量数据记录到 TensorBoard 中。这可以帮助用户在训练期间可视化模型的性能指标，例如损失值、准确率等。

函数定义

---

    def add_scalar(
        self,
        tag,
        scalar_value,
        global_step=None,
        walltime=None,
        new_style=False,
        double_precision=False,
    ):
        """Add scalar data to summary.

        Args:
            tag (str): Data identifier
            scalar_value (float or string/blobname): Value to save
            global_step (int): Global step value to record
            walltime (float): Optional override default walltime (time.time())
              with seconds after epoch of event
            new_style (boolean): Whether to use new style (tensor field) or old
              style (simple_value field). New style could lead to faster data loading.
       """

我们主要用到三个参数：

• tag：标识记录可视化数据标量的字符串标签，可以是任何你喜欢的字符串。例如'Loss/train'、'Accuracy/test'等等。
• scalar_value：需要记录的值，直观的表示就是记录的图中的y轴。
• global_step：表示记录标量的全局步骤，直观的表示就是记录的图中的x轴。

示例

---

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

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

writer.close()

这段代码描述了向tensorboard写入了一个x从0到100的 $x^2$ 函数，运行后刷新tensorboard即可看到记录的可视化数据标量。

tag就是图中的y=x^2，用于确定图像的唯一标识，在记录下一次数据时要切换不同的tag，否则会出现数据紊乱。

四、add_image函数

  add_image 是 PyTorch 中 SummaryWriter 类的方法，用于将图像数据记录到 TensorBoard 中，以便于可视化模型的输入、输出或中间特征图等。这对检查和调试模型非常有帮助，尤其是在图像处理领域。

函数定义

---

    def add_image(
        self, tag, img_tensor, global_step=None, walltime=None, dataformats="CHW"
    ):
        """Add image data to summary.

        Note that this requires the ``pillow`` package.

        Args:
            tag (str): Data identifier
            img_tensor (torch.Tensor, numpy.ndarray, or string/blobname): Image data
            global_step (int): Global step value to record
            walltime (float): Optional override default walltime (time.time())
              seconds after epoch of event
            dataformats (str): Image data format specification of the form
              CHW, HWC, HW, WH, etc.
        Shape:
            img_tensor: Default is :math:`(3, H, W)`. You can use ``torchvision.utils.make_grid()`` to
            convert a batch of tensor into 3xHxW format or call ``add_images`` and let us do the job.
            Tensor with :math:`(1, H, W)`, :math:`(H, W)`, :math:`(H, W, 3)` is also suitable as long as
            corresponding ``dataformats`` argument is passed, e.g. ``CHW``, ``HWC``, ``HW``.
       """

这里主要用到四个参数，其中tag和global_step和add_scalar函数用法一样，而img_tensor要求接受的是一个torch.Tensor类型的张量、numpy.ndarray类型的图像或者string/blobname类型的文件名。
第四个参数为dataformats，这个需要根据传入的img_tensor的形状变化，可选项有'CHW'、'HWC'、'HW'、'WH'。

• 'C'：通道
• 'H'：高度
• 'W'：宽度

这个参数使用在示例中有说明。

示例

---

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter("logs")

img_path="mnist-20/test/test_0_7.jpg"
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)

print(img_array.shape)

writer.add_image("test",img_array,1,dataformats='HW')

writer.close()

• img_path 为需要保存到tensorboard中的图像路径，使用Image.open后img_PIL的格式为JepgImageFile，再使用np.array将格式转为numpy.ndarray。若不清楚当前变量是什么格式可以使用print(type())打印查看。
• 这里我们查看img_array.shape，发现是(28,28)，表示图像的高度和宽度均为28，且没有通道，所以我们dataformats选择的是'HW'。

运行后刷新页面（每次写入新的数据，都需要刷新），选择Image，就可以看到打开的图像：

好了，今天关于tensorboard基本使用的分享就到这里啦！