/chapter7/project2 about easy-rl HOT 9 OPEN

看到有人在问 tensorboard 的用法，刚好这几天看了 pytorch 的教程，就基于 pytorch 做个小结吧。

tensorboard 原本是 tensorflow 里的，随着版本的更新，目前 pytorchy 也支持了 tensorboard 这个功能。

tensorboard 是在 pytorch 的 utils 库里，调用的时候需要 from torch.utils.tensorboard import SummaryWriter ，这个 SummaryWriter 就是将训练过程中的数据保存到日志中，然后在本地打开对应的端口查看对应的结果，模板如下：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")  # writer为自定义对象名，logs是日志文件名，这条代码实际就是创建一个日志文件以保存数据
writer.add_image("tag", image_tensor, global_step) # 往日志中添加单个图片，tensor和numpy array格式均可
writer.add_images("tag", images_tensor, global_step) # 往日志中添加一批图片
writer.add_scalar("tag", val, step)  #  # 往日志中添加常数
writer.close()   # 在结束整个流程后记得加上这一句，把writer关掉

还能添加其他东西，可以看一下 SummaryWriter 里边的内容，或者去 pytorch 官网看一下doc.
这里对上边的语句做一下解释。首先 tag 可以理解为曲线图的图名，如上边的图片中的 tag 就是 steps_of_each_episode, 然后 image_tensor 和 val 就是我们想要保存的东西，对于曲线图可以理解为纵轴坐标， global step 就是横轴坐标。

那么如何如何查看 tensorboard 呢，可以在 pycharm 的terminal中输入 tensorboard --logdir=logs （这个代码其实就是把上边我们创建的日志文件的地址赋给logdir， logs要与上边定义writer一致）然后就有一个本地的端口链接，点进去就可以看到结果了，当然也可以自行修改端口避免在服务器上跑的时候和别人冲突了，语法： tensorboard --logdir=logs --port=xxxx(xxxx即为所要指定的端口， 默认为6006).

注意：如果不同训练过程中都使用 tensorboard 的话，且日志文件名没有更改，那么写入日志文件的 tag 应该进行修改，否则将会把结果绘制在之前的结果上边导致数据混乱，最好的方法就是更改日志文件名，比如这一次我用 writer = SummaryWriter("logs1"), 下一次用 writer = SummaryWriter("logs2")这样子。

最后举个简单的例子，比如要画个y = 2*x 的图,代码如下：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("y_2x")
for x in range(20):
   y = 2 * x
   writer.add_scalar("y = 2x", y, x)

writer.close()

然后运行后在终端输入 tensorboard --logdir=y_2x 即可查看结果。

from easy-rl.

参考代码 链接中dqn 应该改为 DQN.

from easy-rl.

@MaxwellLiu
参考代码 链接中dqn 应该改为 DQN.

感谢反馈，github 的 pages 服务器出现问题了，不能更新在线阅读页面，等其回复正常，我们会及时更新

from easy-rl.

@MaxwellLiu
参考代码 链接中dqn 应该改为 DQN.

感谢您的反馈，链接已更新

from easy-rl.

cfg.max_episodes 这个在哪儿导入呢？

from easy-rl.

cfg.max_episodes 这个在哪儿导入呢？

你好，具体在哪个代码中，因为后面讲这个参数改为cfg.train_eps了，可能有漏掉的地方

from easy-rl.

您好，可以讲一下怎样用tensorboard查看结果吗，谢谢！

from easy-rl.

moving average rewards有什么意义，怎么解释他呢

from easy-rl.

env.seed(1)已经废止，应当改用env.reset(seed=1)

from easy-rl.