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。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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