tensorboard.md

TensorBoard

• 返回上层目录

TensorBoard 是PyTorch和TensorFlow都支持的可视化工具，用于追踪和展示训练过程中各种指标，比如：

• 损失曲线（Loss）
• 奖励变化（Reward）
• 学习率（Learning Rate）
• 模型权重（Weights & Gradients）
• 网络结构（Graph）
• 训练时的图像、直方图等（Images, Histograms）

在PyTorch中，SummaryWriter 是TensorBoard的接口，用于把数据写入到TensorBoard可读取的日志文件中。

SummaryWriter 会把训练信息记录到磁盘，然后用tensorboard命令可视化。

代码解读

from torch.utils.tensorboard import SummaryWriter

# 创建 TensorBoard 记录器
writer = SummaryWriter(log_dir='runs/time_{}'.format(args.date_time))

SummaryWriter(log_dir=...)

• 作用：创建一个TensorBoard记录器
• log_dir='runs/time_{}'：
  • runs/ 是TensorBoard记录日志的目录。
  • 'time_{}' 可能是训练时间戳，用 args.date_time来区分不同的训练任务。

如何使用 SummaryWriter

1. 记录训练损失

for step in range(1000):
    loss = some_loss_function()
    writer.add_scalar('Loss/train', loss, step)  # 记录 loss 到 TensorBoard

TensorBoard 里会显示 Loss/train 这一项的变化曲线。

2. 记录奖励

writer.add_scalar('Reward/episode', episode_reward, episode_number)

3. 记录神经网络的权重直方图

for name, param in model.named_parameters():
    writer.add_histogram(name, param, epoch)

如何启动TensorBoard

当训练代码运行后，会生成 runs/ 目录下的日志文件，之后可以用以下命令启动TensorBoard：

tensorboard --logdir=runs

然后在浏览器打开 http://localhost:6006，就能看到各种可视化曲线。

总结

1. TensorBoard 是一个可视化工具，用来监控强化学习训练过程。
2. SummaryWriter 是PyTorch提供的 API，用来写入日志数据。
3. 你可以用它来记录loss、reward、网络参数等，然后用tensorboard命令查看。

这东西在强化学习中非常有用，特别是调试和对比不同超参数的影响时！