tensorboardX

通过简单的函数调用编写 TensorBoard 事件。

当前版本（v2.5）在 anaconda3 环境下经过测试，使用 PyTorch 1.11.0 / torchvision 0.12 / tensorboard 2.9.0。

支持 scalar、image、figure、histogram、audio、text、graph、onnx_graph、embedding、pr_curve、mesh、hyper-parameters 和 video 摘要。
常见问题

安装

pip install tensorboardX

或从源代码构建：

pip install 'git+https://github.com/lanpa/tensorboardX'

您可以选择安装 crc32c 来提高速度。

pip install crc32c

从 tensorboardX 2.1 开始，您需要安装 soundfile 以使用 add_audio() 函数（200 倍速度提升）。

pip install soundfile

示例

克隆 https://github.com/lanpa/tensorboardX/tree/master/examples 中的文件
运行演示脚本：例如 python examples/demo.py
使用 tensorboard --logdir runs 启动 TensorBoard

# demo.py

import torch
import torchvision.utils as vutils
import numpy as np
import torchvision.models as models
from torchvision import datasets
from tensorboardX import SummaryWriter

resnet18 = models.resnet18(False)
writer = SummaryWriter()
sample_rate = 44100
freqs = [262, 294, 330, 349, 392, 440, 440, 440, 440, 440, 440]

for n_iter in range(100):

    dummy_s1 = torch.rand(1)
    dummy_s2 = torch.rand(1)
    # 通过 `斜杠` 对数据进行分组
    writer.add_scalar('data/scalar1', dummy_s1[0], n_iter)
    writer.add_scalar('data/scalar2', dummy_s2[0], n_iter)

    writer.add_scalars('data/scalar_group', {'xsinx': n_iter * np.sin(n_iter),
                                             'xcosx': n_iter * np.cos(n_iter),
                                             'arctanx': np.arctan(n_iter)}, n_iter)

    dummy_img = torch.rand(32, 3, 64, 64)  # 网络输出
    if n_iter % 10 == 0:
        x = vutils.make_grid(dummy_img, normalize=True, scale_each=True)
        writer.add_image('Image', x, n_iter)

        dummy_audio = torch.zeros(sample_rate * 2)
        for i in range(x.size(0)):
            # 声音的振幅应该在 [-1, 1] 之间
            dummy_audio[i] = np.cos(freqs[n_iter // 10] * np.pi * float(i) / float(sample_rate))
        writer.add_audio('myAudio', dummy_audio, n_iter, sample_rate=sample_rate)

        writer.add_text('Text', 'text logged at step:' + str(n_iter), n_iter)

        for name, param in resnet18.named_parameters():
            writer.add_histogram(name, param.clone().cpu().data.numpy(), n_iter)

        # 需要 tensorboard 0.4RC 或更高版本
        writer.add_pr_curve('xoxo', np.random.randint(2, size=100), np.random.rand(100), n_iter)

dataset = datasets.MNIST('mnist', train=False, download=True)
images = dataset.test_data[:100].float()
label = dataset.test_labels[:100]

features = images.view(100, 784)
writer.add_embedding(features, metadata=label, label_img=images.unsqueeze(1))

# 将标量数据导出为 JSON 以进行外部处理
writer.export_scalars_to_json("./all_scalars.json")
writer.close()