pytorch tensorboard

PyTorch TensorBoard 提供了一种可视化工具，用于分析和跟踪 PyTorch 训练中的指标和模型图。以下是使用 PyTorch TensorBoard 的一些基本步骤：

1. 导入必要的库：

from torch.utils.tensorboard import SummaryWriter

2. 创建一个 SummaryWriter 对象，并指定日志输出路径：

writer = SummaryWriter('logs')

3. 在训练循环中，使用 writer 记录训练过程中的指标，例如损失和准确率：

# 在每个训练步骤中记录损失
loss = ...
writer.add_scalar('Loss/train', loss, global_step)

# 在每个训练步骤中记录准确率
accuracy = ...
writer.add_scalar('Accuracy/train', accuracy, global_step)

4. 若要可视化模型图，可以使用 writer 记录模型：

model = ...
data = ...
writer.add_graph(model, data)

5. 在训练完成后，关闭 SummaryWriter 对象：

writer.close()

运行代码后，在指定的日志输出路径下会生成一个文件夹，其中包含日志文件和模型图。然后，在命令行中运行以下命令启动 TensorBoard：

tensorboard --logdir=logs

启动后，在浏览器中打开生成的链接就可以查看训练过程中的可视化结果了。

这只是一个简单的示例，您可以根据需要自定义记录的指标和图表。详细的使用方法和更多示例可以在 PyTorch 官方文档中找到。