pytorch的tensorboard画损失函数

TensorFlow 的 TensorBoard 是常用的可视化工具。然而，pyTorch 本身并不带有 TensorBoard 的功能，因此需要使用与其对应的 tensorboardX 库来实现。

在 pyTorch 中，我们可以使用 tensorboardX 的 SummaryWriter 函数来记录训练过程中的各种指标，包括损失函数的变化。每轮训练结束后，我们可以将指标的记录写入文件，然后通过 tensorboardX 来读取该文件并展示训练过程的可视化图表。

在开始之前，务必确认已经安装了 tensorboardX 库。

以下是使用 tensorboardX 记录和展示损失函数变化的具体步骤：

1. 创建 SummaryWriter 对象

通过调用 tensorboardX 库的 SummaryWriter 函数来创建一个日志对象并指定日志的存储路径。创建对象时可以通过参数 log_dir 来指定日志文件的路径和名称（如果不指定，则会在当前目录下生成一个默认文件夹）。

from tensorboardX import SummaryWriter

writer = SummaryWriter(log_dir='logs')

2. 记录损失函数的变化

在训练过程中，我们需要将损失函数的变化记录下来。假设我们已经定义了一个名为 loss 的变量，代表当前轮次的损失函数值。我们可以使用 SummaryWriter 对象的 add_scalar() 函数来记录损失函数的变化。

writer.add_scalar('Loss', loss, global_step)

其中，'Loss' 表示记录的指标名称，loss 是当前时间点的损失函数值，global_step 是当前训练的轮数。

3. 启动 TensorBoard

记录完毕后，可以启动 tensorboardX 来查看损失函数的变化情况。启动方法为在命令行中执行以下语句：

tensorboard --logdir=logs

其中，--logdir 参数指定了日志文件所在的文件夹，即上述代码中的 'logs'。

4. 查看损失函数变化的图表

在浏览器中输入 http://localhost:6006 ，进入 tensorboardX 的可视化界面。选择 Scalar，即可看到 Loss 指标的变化图表。

通过上述步骤，我们可以轻松地使用 tensorboardX 记录并可视化损失函数的变化。在实际的训练过程中，我们还可以使用 tensorboardX 记录其他指标，如准确率、学习率等，以全面了解模型的训练情况。