可视化工具TensorBoard在Pytorch中的用法（Pycharm）

前言：

在人工智能领域中，机器学习随处可见，而机器学习通常涉及在训练期间可视化和度量模型的性能。其中TensorFlow的开源工具套件Tensorboard就是一个常见的可视化工具。虽然他是TensorFlow的一部分，但是是可以进行独立安装的，并且适用于Pytorch；

TensorBoard在Pytorch中的作用：

       在Pytorch中，我们经常训练各种各样的模型，但是我们是无法从代码中直接十分直观的观察到模型的性能的，只能通过打印一些均值，数据进行比对，从而判定模型的性能，这是十分抽象的。
       但是TensorBoard提供了一种可视化的渠道，在我们进行模型训练的时候，TensorBoard会记录我们的训练日志，训练照片，并且还会标注均值，时间，等数值，这就是得模型的训练更加直观，形象。
       通过直线图等等图像，我们可以直观的看到模型的性能，从而对模型进行及时的改进。

TensorBoard的使用（Pycharm为例）：

       首先打开Pycharm打开一个新的文件，新建一个py文件，这里我以Tensorboard为名，新建过后，开始导入模块：

导入模块：

#	导入使用Tensorboard的模块
from torch.utils.tensorboard import SummaryWriter  #	注意！！！  S W  均是大写，小写的话Pycharm可能会提示没有

#	导入处理照片的模块
from PIL import Image

#	导入Numpy模块    （有大用，对照片的格式进行转换，因为SummaryWriter中的函数对照片格式有要求，具体看后续代码)
import numpy as np

实例化SummaryWriter对象：

#	对象名可以随便起，
#	logs则是Tensorboard保存数据的默认文件名，你也可以随便改
writer = SummaryWriter("logs")	

对照片进行相关处理：

#	导入照片路径
#	绝对路径，相对路径都可以
#	如果使用相对路径记得放在一起
image_path ="F:\\Python\\Learn_Pytorch\\dataset\\train\\ants\\5650366_e22b7e1065.jpg"

#	打开照片
img_PIL = Image.open(image_path)

#	对照片的格式进行转换
img_array = np.array(img_PIL)

#	将照片添加到Tensorboard中
writer.add_image("test", img_array, 1, dataformats='HWC')

writer.close()

打开tensorboard：

1. 打开Pycharm终端：

2. 输入以下代码：

tensorboard --logdir=logs
#	--logdir=你设置的文件名称

3. 点击链接进入网站；

对照片格式进行转换的原因：

我们找到 writer.add_image()这个函数；

鼠标移动到代码上面 按住 ctrl + 左键,进入函数解释文档


       红框中的意思大概就是，你传入数据的格式必须是numpy.ndarray，Tensor，或者是string, blobname类型
但是我们的是PIL类型，所以，如果不更改的话就会出现报错！
:::

完整代码：

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np
writer = SummaryWriter("logs")
image_path ="F:\\Python\\Learn_Pytorch\\dataset\\train\\ants\\5650366_e22b7e1065.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)
writer.add_image("test", img_array, 1, dataformats='HWC')
writer.close()

OK，以上就是Tensorboard在Pycharm中的用法，快去亲自试试吧！