PyTorch 使用 TensorBoard 中的 writer.add_scalar 与 writer.add_scalars 的区别

writer.add_scalar()

• 功能：将标量添加到 summary
• 参数：
  • tag (string)：数据标识符
  • scalar_value (float or string/blobname)：要保存的数值
  • global_step (int)：全局步值
  • walltime (float)：可选参数，用于记录发生的时间，默认为 time.time()

writer.add_scalars()

• 功能：添加多个标量数据到 summary 中
• 参数：
  • main_tag (string)：tag 的父级名称
  • tag_scalar_dict (dict)：保存 tag 及相应的值的键值对
  • global_step (int)：全局步值
  • walltime (float) 可选参数，可选参数，用于记录发生的时间，默认为 time.time()

两者区别

• writer.add_scalar() 添加一个标量到 summary
• writer.add_scalars() 可以同时添加多个标量到 summary 中，多个标量需要使用键值对的形式输入

两种共同点

• 第一个参数可简单理解为保存到 tensorboard 日志文件中的标量图像的名称
• 第二个参数可简单理解为图像的 y 轴数据
• 第三个参数可简单理解为图像的 x 轴数据
• 第四个参数都是可选参数，用于记录发生的时间，默认为 time.time()

实例

import numpy as np
from torch.utils.tensorboard import SummaryWriter  # 也可以使用 tensorboardX
# from tensorboardX import SummaryWriter  # 也可以使用 pytorch 集成的 tensorboardwriter = SummaryWriter()
for epoch in range(100):writer.add_scalar('add_scalar/squared', np.square(epoch), epoch)writer.add_scalars("add_scalars/trigonometric", {'xsinx': epoch * np.sin(epoch/5), 'xcosx': epoch* np.cos(epoch/5), 'xtanx': np.tan(epoch/5)}, epoch)writer.close()

• 以上代码运行结束后，会在当前的工作目录下自动生一个 runs 目录
  

查看结果

# cd 到当前的工作目录下，如：
cd /User/dell/# 运行 tensorboard
tensorboard --logdir "./runs"

浏览器中输入查看的地址

http://127.0.0.1:6006/

参考

• https://pytorch.org/docs/stable/tensorboard.html