【PyTorch】关于Tensorboard的简单使用

前提文章目录

【PyTorch】深度学习PyTorch环境配置及安装【详细清晰】
【PyTorch】深度学习PyTorch加载数据

---

SummaryWriter使用

from torch.utils.tensorboard import SummaryWriter

# 生成tensorboard的一些事件文件
writer = SummaryWriter("logs")
# writer.add_image()
# y=x
for i in range(100):  # i是从0到99
    writer.add_scalar("y=x", i, i)
writer.close()

打开事件文件
logdir=事件文件所在文件夹名
命令：tensorboard --logdir=logs

出现的蓝色地址是tensorboard的所在地址，6006是默认端口，如果几台服务器同时训练会有所冲突，可以更改端口
更改端口命令：tensorboard --logdir=logs --port=6007，如下图：

点击蓝色网址进入，出现网址如下图：

值：

当出现混在一起的线条值，可以删除事件文件，重新运行

add_image()的使用（常用来观察训练结果）

点击查看源码，发现图片参数接受的类型为下图：

利用Tensorboard观察图片

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

# 生成tensorboard的一些事件文件
writer = SummaryWriter("logs")
# image_path = "data/train/ants_image/0013035.jpg"
# image_path = "data/train/bees_image/16838648_415acd9e3f.jpg"
image_path = "data/train/ants_image/5650366_e22b7e1065.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)  # 将PIL格式的图片转换为numpy格式
print(type(img_array))  # <class 'numpy.ndarray'>
print(img_array.shape)  # (375, 500, 3)  可以看到375是高 500是宽 3是3个颜色通道 颜色通道在后面

# writer.add_image("test", img_array, 1, dataformats='HWC')#颜色通道在后面 所以用dataformats='HWC'
# writer.add_image("test", img_array, 2, dataformats='HWC')
writer.add_image("train", img_array, 1, dataformats='HWC')
# y=x
for i in range(100):  # i是从0到99
    writer.add_scalar("y=2x", 2 * i, i)
writer.close()