第九节课课堂笔记

torchvision

 

transforms

transforms提供了对PIL Image对象和Tensor对象的常用操作。 

1）对PIL Image的常见操作如下。

Scale/Resize	调整尺寸，长宽比保持不变。
CenterCrop、RandomCrop、RandomSizedCrop	裁剪图像。
Pad	填充。
ToTensor	把一个取值范围是[0,255]的PIL.Image转换成Tensor。
RandomHorizontalFlip	图像随机水平翻转
RandomVerticalFlip	图像随机垂直翻转。
ColorJitter	修改亮度、对比度和饱和度。

transforms提供了对PIL Image对象和Tensor对象的常用操作。 

Scale/Resize	调整尺寸，长宽比保持不变。
CenterCrop、RandomCrop、RandomSizedCrop	裁剪图像。
Pad	填充。
ToTensor	把一个取值范围是[0,255]的PIL.Image转换成Tensor。
RandomHorizontalFlip	图像随机水平翻转
RandomVerticalFlip	图像随机垂直翻转。
ColorJitter	修改亮度、对比度和饱和度。

transforms提供了对PIL Image对象和Tensor对象的常用操作。 

2）对Tensor的常见操作如下

Normalize	标准化，即减均值，除以标准差。
ToPILImage	将Tensor转为PIL Image。

 

如果要对数据集进行多个操作，可通过Compose将这些操作像管道一样拼接起来，类似于nn.Sequential。

transforms提供了对PIL Image对象和Tensor对象的常用操作。 

 

ImageFolder可以读取不同目录下的图像数据。

 

ImageFolder

ImageFolder可以读取不同目录下的图像数据。

 

ImageFolder可以读取不同目录下的图像数据。

 

可视化工具

可视化工具

 

TensorBoard简介

使用TensorBoard的一般步骤如下。

1）导入tensorboard，实例化SummaryWriter类，指明记录日志路径等信息。

from torch.utils.tensorboard import SummaryWriter

#实例化SummaryWriter，并指明日志存放路径。在当前目录没有logs目录将自动创建。

writer = SummaryWriter(log_dir='logs')

#调用实例

writer.add_xxx()

#关闭writer

writer.close()

 

使用TensorBoard的一般步骤如下。

2）调用相应的API接口，接口一般格式为：

add_xxx(tag-name, object, iteration-number)

#即add_xxx(标签，记录的对象，迭代次数)

其中，xxx指的是各种可视化方法

 

各种可视化方法如下表所示。

Scalar	用于可视化单一数值，例如损失值、准确率等随训练过程的变化。
Image	用于可视化图像数据。
Figure	用于可视化图形或复杂的图表。
Histogram	用于可视化数据的分布。
Audio	用于可视化音频数据。
Text	用于可视化文本数据，例如模型生成的文本或训练日志。

 

使用TensorBoard的一般步骤如下。

3）启动tensorboard服务。cd到logs目录所在的同级目录，在命令行输入如下命令，logdir等式右边可以是相对路径或绝对路径。

tensorboard --logdir=logs --port 6006   

#如果是windows环境，要注意路径解析，如

#tensorboard --logdir=r'D:\myboard\test\logs' --port 6006

4）Web展示。在浏览器输入：

http://服务器IP或名称:6006  #如果是本机，服务器名称可以使用

用TensorBoard可视化神经网络

 

运行结果

 

 

 

用TensorBoard可视化特征图