之前用pytorch是手動記錄數據做圖，總是覺得有點麻煩。學習了一下tensorboardX，感覺網上資料有點雜，記錄一下重點。由於大多數情況只是看一下loss,lr,accu這些曲線，就先總結這些，什麼images,audios以後需要再總結。
1.安裝
有各種方法，docker安裝，使用logger.py腳本調用感覺都不簡潔。現在的tensorboardX感覺已經很好了，沒什麼坑。在命令行pip安裝即可
！注意！ 這玩意雖然在pytorch下，但是其實是內核是 tensorflow裏面的board，所以安裝之前得先安裝 tensorflow
pip install tensorboardX
2.調用
from tensorboardX import SummaryWriter
writer = SummaryWriter('log')
writer就相當於一個日誌，保存你要做圖的所有信息。第二句就是在你的項目目錄下建立一個文件夾log，存放畫圖用的文件。剛開始的時候是空的。
訓練的循環中，每次寫入 圖像名稱，loss數值， n_iteration
writer.add_scalar('Train/Loss', loss.data[0], niter)
驗證的循環中，寫入預測的準確度即可：
writer.add_scalar('Test/Accu', correct/total, niter)
爲了看得清楚一點，我把整個train_eval寫一起了
def train_eval(epoch):
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
inputs, labels = data
inputs, labels = Variable(inputs), Variable(labels)
optimizer.zero_grad()
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
running_loss += loss.data[0]
#每2000個batch顯示一次當前的loss和accu
if i % 2000 == 1999:
print('[epoch: %d, batch: %5d] loss: %.3f' %
(epoch + 1, i+1, running_loss / 2000))
running_loss = 0.0
print('[epoch: %d, batch: %5d] Accu: %.3f' %(epoch + 1, i+1, correct/total))
#每10個batch畫個點用於loss曲線
if i % 10 == 0:
niter = epoch * len(trainloader) + i
writer.add_scalar('Train/Loss', loss.data[0], niter)
#每500個batch全驗證集檢測，畫個點用於Accu
if i % 500 == 0:
correct = 0
total = 0
for data in testloader:
images, target = data
res = net(Variable(images))
_, predicted = torch.max(res.data, 1)
total += labels.size(0)
correct += (predicted == target).sum()
writer.add_scalar('Test/Accu', correct/total, niter)
3.顯示
會發現剛剛的log文件夾裏面有文件了。在命令行輸入如下，載入剛剛做圖的文件（那個./log要寫完整的路徑）
tensorboard --logdir=./log
在瀏覽器輸入：
http://0.0.0.0:6006/
就可以看到我們做的兩個圖了
