[pytorch] 服务器上使用tensorboardX可视化

参考： https://github.com/lanpa/tensorboardX
参考：https://*.com/questions/47113472/tensorboard-error-no-dashboards-are-active-for-current-data-set

一、关于tensorboardX
tensorflow框架可以使用tensorboard进行可视化。pytorch环境下，下载tensorflow也可以使用tensorboardX为可视化工具。

TensorboardX支持scalar, image, figure, histogram, audio, text, graph, onnx_graph, embedding, pr_curve and videosummaries等不同的可视化展示方式，

二、环境安装
环境依赖：

python 3.7

Pytorch 1.4
tensorboardX: pip install tensorboardX、pip install tensorflow==2.0.0a0

三、可视化方法的代码展示
1.scalar教程

注释：首先导入：from tensorboardXimport SummaryWriter，然后定义一个SummaryWriter() 实例。
SummaryWriter()的参数为：def init(self, log_dir=None, comment=’’, kwargs): 其中log_dir为生成的文件所放的目录，comment为文件名称。默认目录为生成runs文件夹目录。我们运行上述代码：生成结果为：

当我们为SummaryWriter(comment=‘base_scalar’)。生成结果为：

当我们为SummaryWriter(log_dir=‘scalar’) 添加log_dir参数，可以看到第二条数据的文件名称包括了base_scalar值。生成结果目录为：

接着解释writer.add_scalar(‘scalar/test’, np.random.rand(), epoch)，这句代码的作用就是，将我们所需要的数据保存在文件里面供可视化使用。
这里是Scalar类型，所以使用writer.add_scalar()，其他的队形使用对应的函数。第一个参数可以简单理解为保存图的名称，第二个参数是可以理解为Y轴数据**，第三个参数可以理解为X轴数据。当Y轴数据不止一个时，可以使用writer.add_scalars().

四、服务器中查看tensorboardX可视化结果
运行代码之后生成文件之后，我们在runs同级目录下使用命令行：tensorboard --logdir runs. 当SummaryWriter(log_dir=‘scalar’)的log_dir的参数值 存在时，将tensorboard --logdir runs 改为 tensorboard --logdir 参数值。

在xshell中设置隧道


打开localhost:8000