炼丹神器——TensorboardX安装使用

相关资料：

Github地址：https://github.com/lanpa/tensorboardX
一个博客：Pytorch使用tensorboardX可视化。超详细！！！

安装过程：

先安装TensorboardX

pip install tensorboardX

再安装TensorFlow

pip install tensorflow

我疑惑了一下为什么要装TensorFlow，后来发现它的工作方式是炼丹程序运行时创建了log文件，然后Tensorboard去读取和生成图表，TensorboardX做的事应该是支持了pytorch创建这个log文件。

小提示：

我在运行的时候（后话），出现了下面的错误（如下图），上网查了一下（stackoverflow），然后感觉我的numpy和pandas可能版本不对，就更新了一下pandas和numpy（然后就work了，快乐）。

pip install -U pandas, numpy

运行：

运行demo.py，此时demo.py同级目录下会有runs等文件夹（下图）

然后在这个runs文件夹的同级目录下，命令行运行tensorboard

tensorboard --logdir runs

如果运行正常，会显示网页链接如下，然后在浏览器里打开就行了

TensorBoard 1.12.1 at http://DESKTOP-AKAISORA:6006 (Press CTRL+C to quit)

详细基本用法：

可以看Doc，或者相关博客。

add_scalar

from tensorboardX import SummaryWriter
writer=SummaryWriter()
writer.add_scalar('Train/Duration',turns+1,episodes_id)
writer.add_scalars('Train/turn-value',{'turns':turns+1,'value':value},gturn)

add_graph

from tensorboardX import SummaryWriter
writer=SummaryWriter()
class Net(nn.Module):
	def __init__(self):
		super(Net,self).__init__()
		self.fc1=nn.Linear(12,16)
		self.fc2=nn.Linear(16,16)
		self.fc3=nn.Linear(16,2)
	def forward(self,x):
		x=torch.cat([x,pow(x,2),0.1/x],1)
		x=F.relu(self.fc1(x))
		x=F.relu(self.fc2(x))
		x=self.fc3(x)
		return x
device=torch.device("cuda" if torch.cuda.is_available() else "cpu")
policy_net=Net().to(device)
batch_state=torch.tensor([1,2,3,4],device=device,dtype=torch.float32).view(1,1,-1)
writer.add_graph(policy_net,(batch_state,))

附加内容：

用add_graph功能的时候出错了（cannot import name ‘OperatorExportTypes’）
解决办法是把pytorch从0.4升到1.0