PyTorch学习记录2——TensorBoard使用

2.1、TensorBoard介绍

TensorBoard 是一组用于数据可视化的工具，能够：可视化模型的网络架构，跟踪模型指标，如损失和准确性等，检查机器学习工作流程中权重、偏差和其他组件的直方图，显示非表格数据，包括图像、文本和音频，将高维嵌入投影到低维空间。最直接的就是展示运行完TransForm方法后的图像。

2.2、导入模块

from torch.utils.tensorboard import SummaryWriter #导入SummaryWriter类
from PIL import Image
import numpy as np
writer = SummaryWriter("logs") #将文件存入logs文件夹中

导入SummaryWriter类，创建一个名为writer的实例对象。“logs”是一个相对路径，将实例运行的数据存入当前目录下的logs文件夹。 文件样式如下：event开头的一个文件

2.3、add_scalar()作图

add_scalar（）是tensorboard中的一个函数。通过此函数，我们可以对数据进行作图。如下代码：

# y=x
for i in range(100):
    writer.add_scalar("y=x",i,i) #三个参数分别是 图片标题、y轴、x轴

那么 add_scalar（）有着什么参数呢？如下图，常用的为前四个，分别表示图片名称、纵轴值、横轴值和时间变量。上例中的y=x的图像，传入参数正好对应。

最后我们在pycharm的terminal中，输入tensorboard –logdir=logs（存入运行数据的文件名） 来进行使用tensorboard画图，也可以后面添加 --port=6007来更换输出端口指6007，防止端口占用。

PS:如果上面方法行不通，你也可以使用绝对路径：ensorboard –logdir="D:\XXXX\XXXX\XXX\logs"

总之一点，认准运行数据文件的上一级文件夹

2.4 add_image（）输出图片

add_image（）是另一个常用函数，常用来观察训练结果。定义如下，这个函数有5个参数，分别是图片名称、需要加载的图片、步骤、时间和数据形式。

其中图片数据格式必须是torch.Tensor, numpy.array, or string/blobname这几类，所以如果是其他的数据类型，要先转化为以上几类。此处使用方法：使用numpy转换，代码print（type（img_array）)，可以查看图片类型

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np
write = SummaryWriter("logs")
image_path="data/train/ants_image/0013035.jpg"
img=Image.open(image_path)
img_arrey=np.array(img)
write.add_image("text_img",img_arrey,2,dataformats='HWC')

另外，注意看add_image("text_img",img_arrey,2,dataformats='HWC')，这里最后一个参数不能是默认的"CHW",要修改为"HWC",这是因为此处图片格式不是默认的，而是我们修改后的img_arrey。