TensorBoard add_histogram()的用法（附带实例）

使用 add_histogram() 方法来记录一组数据的直方图。通过观察数据、训练参数和特征的直方图，我们可以了解它们大致的分布情况，从而辅助神经网络的训练过程。

add_histogram() 方法的语法格式如下：

add_histogram(tag, values, global_step=None, bins='tensorflow', walltime=None, max_bins=None)

各个参数的含义如下：

• tag (string)：数据名称；
• values (torch.Tensor, numpy.array, or string/blobname)：用来构建直方图的数据；
• global_step (int, optional)：训练的 step；
• bins (string, optional)：取值有 'tensorflow'、'auto'、'fd' 等，该参数决定了分桶的方式；
• walltime (float, optional)：记录发生的时间，默认为 time.time()；
• max_bins (int, optional)：最大分桶数。

示例代码如下：

# 导入相关库
from tensorboardX import SummaryWriter
import numpy as np
# 创建一个SummaryWriter对象，指定日志保存的路径为'runs/embedding_example'
writer = SummaryWriter('runs/embedding_example')
# 向SummaryWriter中添加正态分布的直方图数据，global_step 分别为 1、50、100
writer.add_histogram('正态分布中心化', np.random.normal(0, 1, 1000), global_step=1)
writer.add_histogram('正态分布中心化', np.random.normal(0, 2, 1000), global_step=50)
writer.add_histogram('正态分布中心化', np.random.normal(0, 3, 1000), global_step=100)

使用 NumPy 从不同方差的正态分布中进行采样。打开浏览器可视化界面后，我们发现多出了 "DISTRIBUTIONS" 和 "HISTOGRAMS" 两栏，它们都是用来观察数据分布的。在 "HISTOGRAMS" 中，同一数据集不同步骤（step）的直方图可以选择上下错位排布（OFFSET），或重叠排布（OVERLAY）。

下图左图和右图分别为 "DISTRIBUTIONS" 界面和 "HISTOGRAMS" 界面。