Tensorboard使用

        首先引入需要的库：

import torch
from torch.utils.tensorboard import SummaryWriter
import cv2
import numpy as np
from PIL import Image

• torch: PyTorch的主库，用于张量操作和深度学习。
• SummaryWriter：从TensorBoard的PyTorch工具包中导入，用于将数据写入TensorBoard日志。
• cv2：OpenCV库，用于计算机视觉任务（此处未使用）。
• np：Numpy库，用于数值计算和数组操作。
• Image：从PIL库导入，用于图像处理。

        再创建一个SummaryWriter对象，它会将日志数据保存到logs目录中。

writer = SummaryWriter('logs')

        在TensorBoard中记录一个标量数据。add_scalar函数用于添加一个标量值，这里记录了一个线性关系y = 2x。每次循环都会在日志中记录一次这个标量，i是横坐标，2*i是纵坐标。

for i in range(100):
    writer.add_scalar("y = 2x", 2*i, i)

        使用tensorboard --logdir=logs --port=6009，在http://localhost:6009/#scalars里看到自己的图像，后面的--port=6009并不是必须的，但是还是建议少用默认地址。

        如果发现生成出来的线图不止一条，且另一条线的末尾用一根奇怪的线过渡到另一个线的起点。那就将logs文件夹里的所有文件清空试一下，这是系统尝试将两个函数合并导致的。

        

# 指定图像的路径。
img_path = 'E:\\PyCharm_Project\\Pytorch_2.3.1\\pytorch_2024_06_06_01\\Dataset_a_b\\train\\ants\\0013035.jpg'

# 打开图像，np.array将其转换为Numpy数组。
img_array = np.array(Image.open(img_path))

# 函数用于将图像添加到TensorBoard中，dataformats='HWC'转换指定图像数据格式，因为默认格式是（3个颜色通道，高H,宽W）,而narray的默认格式是（H,W,3）
writer.add_image("ants", img_array, 1, dataformats='HWC')

writer.close()
# 关闭SummaryWriter对象，确保所有数据都被写入日志文件中。