学术福利Pytorch的tensorboard食谱帮你可视化误差结果

Posted 2021-05-02 机器学习算法与自然语言处理

知乎专栏：魔法抓的学习笔记

可以把大部分的功能接入pytorch，不过有些例子不详细，我自己记录一下。

1、记录损失数据

2、画图

3、画t-SNE

需要安装的包

1.tensorboard

2.tensorbaordX

应用一：记录损失函数

假如我们现在用pytorch写一个VAE的模型

from tensorboardX import SummaryWriter

writer = SummaryWriter()  # 建立一个保存数据用的东西

for epoch in range(EPOCHS):
     recon_loss = L2_loss()  # 某L2 loss
     KL_loss = XXX_loss()  # 反正就是求出一个loss
     total_loss = recon_loss + KL_loss

     ''' ===== 更新优化器 ===== '''

     optimizer.zero_grad()
     total_loss.backward()
     optimizer.step()

     # 写入vae模型的损失值，可以在一张图上显示出来。
     # 注意 pytorch0.4 要在这个tensor后面加 .item()，这样存的数值不是计算图
     # epoch是图的x轴

     writer.add_scalars('data/train_loss', {'Total Loss': total_loss.item(),
                                            'Reconstruction Loss': recon_loss.item(),
                                            'KL divergence': KL_loss.item()},
                        epoch)

之后打开terminal，cd到运行模型的代码文件，输入：

tensorboard --logdir=runs -host=127.0.0.1

TensorBoard 1.8.0 at http://127.0.0.1:6006 (Press CTRL+C to quit)

复制h127.0.0.1:6006

然后打开浏览器输入网址就会看到

这里会有几个坑，大家碰到了可以参考：

1. -host=127.0.0.1是我自己添加的，不加的话也可以。但我自己电脑不加的话显示不出

2. tensorboard要更新到最新版本，不然有些功能没有

3. 数据量大的时候耐心等一等，可能要读取一会才出现

4. 我用safari打开才能看到数据，google chrome浏览器打开反而看不到..

应用二：记录输出的图像

如果要记录模型生成的图像

import torchvision.utils as vutils
from tensorboardX import SummaryWriter

writer = SummaryWriter()

sample_z = torch.rand((batch_size, z_dim))  # 设定一个固定的噪声，大小符合模型即可
for epoch in range(EPOCH):
     # 转为evaluation 模式
     model.eval()
     # 得到输出
     x = model(sample_z)
     # 转为图像
     x = vutils.make_grid(x, normalize=True, scale_each=True)
     # 写入writer
     writer.add_image('Image', x, epoch)

之后去tensorboard里的images查看即可

应用三：观察高维数据，t-SNE

要获得的数据是tensor list(数据)和meta data(标签)，外加meta header(标签的标题):

from tensorboardX import SummaryWriter

writer = SummaryWriter()

tensor_list = []  # 存放数据tensor
meta_data = []  # 存放标签
meta_header = ['Gender\tDR']  # 标签的标题，要用\t隔开 e.g., [‘性别\t口音‘]
for x in data_male_db:
     latent = Encoder(x)  # 输入某input x到模型encoder里得到隐向量

     tensor_list.append(latent.item())  # 记录数据
     gender = '男'
     dr = '东北'
     label = [str(gender) + '\t' + str(dr)]  # 这一块实际应用的时候得自己想办法定义标签信息
     meta_data.append(label)  # 记录标签

for x in data_female_gd:
     latent = Encoder(x)  # 输入某input x

     tensor_list.append(latent.item())  # 记录数据
     gender = '女'
     dr = '广东'
     label = [str(gender) + '\t' + str(dr)]
     meta_data.append(label)  # 记录标签

# 放入writer，tensor_list的长度与meta_data相同，再加入标题
writer.add_embedding(torch.Tensor(tensor_list), metadata=meta_data, metadata_header=meta_header)

之后再打开tensorboard，会看到projector(可能要等一会）

如果标签只是单个的性别（男女），其实没必要加标题和metadata,直接写入即可。但对于单个数据多个标签的情况需要加入标题。之后就可以通过调整标签来观察t-SNE的图，

不同性别

不同口音

至于画模型的计算图，有些功能不太完善，我一些复杂的模型就画不出。还有语音文件由于频率关系我也没用，所以就不记录了。

大家觉得有帮助的话，讨个赞