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:

image.png

2. 输入以下代码:

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

image.png

3. 点击链接进入网站;

image.png

对照片格式进行转换的原因:

我们找到 writer.add_image()这个函数;

image.png

鼠标移动到代码上面 按住 ctrl + 左键,进入函数解释文档

屏幕截图 2024-04-23 205051.png
       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!

  • 9
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值