如何在 PyTorch Lightning 中获得所有时期的逐步验证损失曲线

Question

在 PyTorch Lighting 中将我的验证丢失记录在 validation_step() 中时，如下所示：

def validation_step(self, batch: Tuple[Tensor, Tensor], _batch_index: int) -> None:
    inputs_batch, labels_batch = batch

    outputs_batch = self(inputs_batch)
    loss = self.criterion(outputs_batch, labels_batch)

    self.log('loss (valid)', loss.item())

然后，我得到一个 epoch-wise 损失曲线：

如果我想要逐步损失曲线，我可以设置on_step=True：

def validation_step(self, batch: Tuple[Tensor, Tensor], _batch_index: int) -> None:
    inputs_batch, labels_batch = batch

    outputs_batch = self(inputs_batch)
    loss = self.criterion(outputs_batch, labels_batch)

    self.log('loss', loss.item(), on_step=True)

这会导致每个时期的逐步损失曲线：

我怎样才能获得所有时期的单一图表？当我运行数千个时期的训练时，这会变得混乱。

Answer 1

您在初始化记录器时似乎做错了什么。是否定义如下：

logger = TensorBoardLogger("tb_logs", name="my_model")

请注意，on_step 会修改您的标签，这是它们显示为单独图像的原因之一。

你可以使用 on_step 代替：

self.logger.experiment.add_scalar('name',metric)

如果您希望绘图 x 轴显示时期数而不是步数，您可以将记录器放置在 validation_epoch_end(self, outputs) 内。

def validation_epoch_end(self, outputs):
   avg_loss = torch.stack([x["val_loss"] for x in outputs]).mean()
   self.logger.experiment.add_scalar('loss',avg_loss, self.current_epoch)