pytorch学习笔记（三）——tensorboard使用

1. Tensorboard介绍

TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。

2. 安装tensorboard

在对应环境下运行

pip install tensorboard

3. torch.utils.tensorboard涉及的几个函数

1. add_scalar() 画曲线图

from torch.utils.tensorboard import SummaryWriter

# 创建SummaryWriter类的实例，并且将生成的文件放在名为logs的文件夹下(logs在该项目文件夹下）
writer = SummaryWriter("logs")

for i in range(100):
    # add_scalar函数生成需要的曲线图，将生成的图存于上面函数创建的logs文件夹下，其中函数的第一个参数是要生成的图的名字，第二的参数是y轴，第三个参数是x轴
    writer.add_scalar("y=x", i, i)

# 关闭该变量
writer.close()

# 此时生成的曲线图信息无法直接打开，需要打开命令行，或者使用pycharm中的命令行，输入tensorboard --logdir=生成图所在路径。
# 如果是在pycharm命令行打开，那么我们的生成图所在路径直接就是上面的logs，即：tensorboard --logdir=logs；如果是其他目录下则要将完整路径写出。

2. add_image() 加图片

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image

# 先通过SummaryWriter函数获得该变量writer，并且将生成的文件放在名为logs的文件夹下
writer = SummaryWriter("logs")
img_path = "data/train/ants_image/5650366_e22b7e1065.jpg"
# 通过调用PIL包中的Image.open的函数获取到PIL类型的图片数据，但因add_image函数中的图片参数为numpy型或是torch.Tensor型，因此通过numpy.array函数转化图片类型
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
# add_image函数的参数分别代表：第一个参数为输出的图表名；第二个参数为图数据；第三个参数为训练的步骤；即第几步，第四个参数为第二个参数输入的格式是高、宽、通道数
writer.add_image("test", img_array, 1, dataformats="HWC")

# 运行完后，命令行输入tensorboard --logdir=logs，即可在tensorboardUI中看到训练中加的图片啥的可视化信息

4. 遇到的问题 cannot import SummaryWriter

1. tensorboard包也导入了，还是cannot import？？？

   原因好像是？pytorch官网查到，而我现在电脑上python用的3.6
   解决方案：把当前环境下的python换成3.9试试，还没解决！！！！！！！！！！！！！！1
   原因2，自己的tensorboard.py文件和导入的包重名
   
   解决：换个名字试试。成功了！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
   反思：自己写的.py文件命名禁止和导入的包名相同，文件命名禁用关键字
   吐了。。。。。