pytorch tensorboard基本用法整理

TensorBoard最全使用教程：看这篇就够了

一、**TensorBoard**的安装 二、**SummaryWriter类**的使用 - add_scalar() 作用：常用来绘制**train/val loss**，观察训练过程中**loss**的变化，判断模型的好坏。 - add_image() 作用：常用来观察训练结果。

本文详细解决了TensorBoard命令找不到的问题，通过pip install tensorboard和tensorflow两步安装流程，帮助用户快速配置环境。文章还提供了版本兼容性检查、虚拟环境设置及常见错误处理方法，确保用户能够顺利运行TensorBoard进行深度学习可视化。

如果同时打开几个，会有端口冲突 ，可以使用下面的命名。注意：最后的一层是文件夹的名称。

PyTorch中：Tensorboard的使用

PyTorch入门教学——TensorBoard使用。TensorBoard简介，TensorBoard安装，SummaryWriter类的使用，add_scalar()的使用，add_image()的使用。

1 简介 在学习李沐在B站发布的《动手学深度学习》PyTorch版本教学视频中发现在操作使用PyTorch方面有许多地方看不懂，往往只是“动手”了，没有动脑。所以打算趁着寒假的时间好好恶补、整理一下PyTorch的操作，以便跟上课程。 学习资源: B站up主：我是土堆的视频：PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】 PyTorch中文手册：(pytorch handbook) Datawhale开源内容：深入浅出PyTorch（thorough-pytorch） 2 TensorB

0 MNIST是什么？ MNIST数据集(Mixed National Institute of Standards and Technology database)是美国国家标准与技术研究院收集整理的大型手写数字数据库,包含60,000个示例的训练集以及10,000个示例的测试集 MNIST可以算是深度学习中的Hello World了，几乎每个初学者都会先从MNIST数据集入手，来训练自己的第一个基于CNN的分类器 1 环境搭建 本文将使用PyTorch1.7来训练LeNet网络来对手写数字进行分类 i

tensorboard命令行

Tensorboard是TensorFlow官方提供的一个可视化工具，用于帮助开发者更好地理解和调试自己的模型。以下是使用Tensorboard的一些基本步骤：这些指标可以分别表示模型在训练集和验证集上的损失和准确率，global_step参数用于表示当前的epoch数。这个命令将会启动Tensorboard服务器，并将日志文件目录作为参数传入。在浏览器中打开http://localhost:6006，就可以看到Tensorboard的界面了。

关于tensorboard的一些使用

【代码】tensorboard 常用指令。

TensorBoard端口：运行Tensorboard时指定的端口（默认为6006）本地端口：查看 tensorboard 结果时，在浏览器中输入地址时的端口号。二、在远程服务器下运行tensorboard，并在本地浏览器下查看。1. 进入下载了Tensorboard的环境，在终端运行以下指令。服务器登陆端口：登录服务器时指定的端口（默认为22）三、如何使用Tensorboard分析数据。一. 本地查看Tensorboard。与本地端口连接起来，打开命令行，输入。1. 在连接服务器时，将。

tensorboard --logdir=log_result/1 --port=6007

在机器学习中，要改进模型的某些参数，我们通常需要对其进行衡量。TensorBoard是用于提供机器学习工作流期间所需测量和呈现的工具。它使我们能够跟踪实验指标（例如损失和准确率），呈现模型计算图，将嵌入向量投影到较低维度的空间等。在PyTorch中使用TensorBoard：1.安装2.TensorBoard使用2.1创建SummaryWriter实例2.2利用add_scalar()记录metrics2.3关闭Writer2.4启动TensorBoard3.本地连接服务器使用TensorBoard

TensorBoard是一个可执行程序，存放在/usr/local/bin路径下，启动命令/usr/local/bin/tensorboard --logdir /logs，其中logdir参数为日志存放路径，日志名称类似events.out.tfevents.1574517875.*；

机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中，我们将重点介绍 TensorFlow 的开源工具套件，称为 TensorBoard，虽然他是TensorFlow 的一部分，但是可以独立安装，并且服务于Pytorch等其他的框架。 什么是 TensorBoard？ 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

TensorBoard简易教程 (PyTorch)