Tensorboard的使用

玛卡巴卡的巴卡马卡

已于 2024-05-10 09:58:26 修改

阅读量1k

点赞数 5

文章标签：人工智能

于 2024-04-24 20:14:55 首次发布

本文链接：https://blog.csdn.net/2301_79877516/article/details/138136553

版权

使用此方法需要安装Tensorboard包，Tensorboard简介：是TensorFLOW中强大的可视化工具，支持标量、图像、文本、音频、视频和Eembedding等多种数据的可视化，界面图举例：

安装Tensorboard包(安装之前确保镜像源没问题，更改镜像源的方法在往期帖子中)：

1、打开终端，进入Pytorch环境：

点击图中的小箭头

步骤2、

选择红框中的Command Prompt，进入Pytorch环境

步骤3、

输入语句，开始安装包

pip install tensorboard

安装完成后，开始体验tensorboard的用法：

一、Tensorboaid模块中SummaryWriter类的使用:
两个常用的方法：
1、writer.add_scalar()

可以利用此方法进行绘制train/val loss

代码展示：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("glo")   #创建一个名字为“glo”的文件夹存储一些对应的文件

for i in range(100):
    writer.add_scalar("y = x",i,i)      # tag的意思是图像中曲线的名称
                                            # 第一个i代表的是y轴
                                            # 第二个i代表的是x轴

writer.close()      # 关闭文件

此时运行代码，会发现左侧多了一个文件：

如果想要查看绘制的图像，则需要用终端进行打开：（pytorch环境下的终端）

在终端输入语句：

tensorboard --logdir=glo --port=6007

logdir ：事件文件所在的文件夹名称

port ：端口名，防止默认端口使用的人太多而无法进入

（等号两边一定不能输入空格，否则会无法进入）

进入成功会给出一个链接：

进入链接后的样子：

2、add_image()的使用：常用来观察训练结果

小工具1：add_image方法的参数需要是tensor型或者是numpy型，这里利用numpy.array()对PIL图片进行转换，获得numpy型图片数据信息（tensor型数据的获取在下一篇文章中）

转换方式：

img_path = "D:\Python项目\pytorch练习\dateset\\train\\ants\\0013035.jpg"
img_PIL = Image.open(img_path)  #此时的img是PIL类型的图片数据，与方法需要的数据类型不符合
img_array = np.array(img_PIL)   # 此时img_array是numpy型图片数据

数据转换成功后，开始进行add_image()方法操作：

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np  #导入numpy，目的是为了获得我们需要的数据类型

writer = SummaryWriter("logs")

img_path = "D:\Python项目\pytorch练习\dateset\\train\\ants\\0013035.jpg"
img_PIL = Image.open(img_path)  #此时的img是PIL类型的图片数据，与方法需要的数据类型不符合
img_array = np.array(img_PIL)   # 此时img_array是numpy型图片数据

writer.add_image("test",img_array,1,dataformats='HWC')
# H ： 高度
# W ： 宽度
# C ： 通道，彩色照片一般为3通道
# 此照片三个数据为（512，768，3）
# dataformats = 'HWC'作用：从PIL到numpy，需要在add_image()中指定shape(图片格式)中每一个数字/维表示的含义

writer.close()      # 关闭文件

（在使用完上述两种方法后，一定要记得关闭事件文件，否则无法在终端打开绘制的训练结果）

在终端打开绘制结果的方法与上一个方法的打开方式完全相同，不再展示，打开后的界面：

此方法第二个参数是步骤的意思，如果还想加入图片的话，下一次就将步骤从1变成2

代码展示：

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np  #导入numpy，目的是为了获得我们需要的数据类型

writer = SummaryWriter("logs")

ant_path = "D:\Python项目\pytorch练习\dateset\\train\\ants\\0013035.jpg"
ant_PIL = Image.open(ant_path)  #此时的img是PIL类型的图片数据，与方法需要的数据类型不符合
ant_array = np.array(ant_PIL)   # 此时img_array是numpy型图片数据

writer.add_image("test",ant_array,1,dataformats='HWC')
# H ： 高度
# W ： 宽度
# C ： 通道
# 此照片三个数据为（512，768，3）
# 从PIL到numpy，需要在add_image()中指定shape(图片格式)中每一个数字/维表示的含义

# 再加一个蜜蜂的图片
bees_path = "D:\Python项目\pytorch练习\dateset\\train\\bees\\16838648_415acd9e3f.jpg"
bees_PIL = Image.open(bees_path)
bees_array = np.array(bees_PIL)

# 这一步将步骤设置为2
writer.add_image("test",bees_array,2,dataformats='HWC')



writer.close()      # 关闭文件

此时再利用终端打开绘制的训练结果：