TensorBoard 的介绍
TensorBoard是一个可视化工具，用于展示和理解TensorFlow运行时的计算图、数据分布以及训练过程中的各种指标。通过TensorBoard，用户可以直观地看到模型的训练过程、数据的流动以及各种统计信息，从而更好地调试和优化模型。
主要功能包括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）以及将高维嵌入投影到低维空间。
1. TensorBoard 的安装
如果 没有安装 tensorboad，可以通过 pip 安装
pip install tensorflow
pip install tensorboard2. TensorBoard 的导入
from torch.utils.tensorboard import SummaryWriter3. TensorBoard 的使用
SummaryWriter是PyTorch中用于与TensorBoard集成的类，它允许开发者在训练过程中记录标量、直方图、图像等多种类型的数据。
-
记录标量：使用
add_scalars()方法记录训练过程中的标量数据，如损失值、准确率等，这些数据可以在TensorBoard中以折线图的形式展示，帮助分析训练过程中的性能变化。 -
统计直方图：通过
add_histogram()方法记录权重的直方图分布，这在分析模型权重分布和训练稳定性方面非常有用。 -
批次显示图像：
使用 add_image( )方法允许开发者在TensorBoard中显示训练过程中的图像，这对于可视化模型在特定迭代或epoch中的输出非常有用。 -
关闭SummaryWriter：在训练完成后，应使用
close()方法关闭SummaryWriter，以确保所有数据都被正确写入日志文件。
writer = SummaryWriter("logs") # "logs" 生成日志文件的路径示例：
-
add_scalar(tag, scalar_value, global_step=None, walltime=None)tag：字符串类型，用于标识这个标量数据的名称，也就是自定义表达式名，例如 "train_loss" 或 "validation_accuracy"。scalar_value：表示要记录的标量值，例如训练或验证过程中的损失值或准确率。global_step：一个可选参数，表示全局步骤数，通常用于表示训练过程中的迭代次数。如果在多次调用add_scalar时保持tag不变而改变global_step的值，TensorBoard会将这些点连接起来，形成一条曲线，从而可以观察标量值如何随全局步骤数的变化而变化。walltime：另一个可选参数，表示记录该标量值的时间戳，通常不需要用户指定，TensorBoard会自动记录当前时间。
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
for i in range(100):
writer.add_scalar("y=z",i,i)
writer.close()在 所生成的 文件处使用 tensorboard --logdir=logs 打开 本地服务器，查看输出结果
示例：
TensorBoard的
add_image()函数用于在TensorBoard中显示图像数据，其参数包括：
tag：字符串类型，用于标识图像的数据标签。img_tensor：必须是torch.Tensor, numpy.ndarray, or string/blobname 类型，表示要显示的图像数据。global_step：（可选）整数类型，表示训练的步骤。walltime：（可选）表示记录图像的时间戳。dataformats：（可选）字符串类型，默认值为'CHW'，表示图像数据的格式，如果图像的通道数在后面，比如(h,w,3)这种形式的话需要修改此参数。使用
add_image()函数的基本步骤如下：
- 首先，需要获取图像的地址，并使用适当的库（如PIL或OpenCV）打开图像。
- 如果图像数据不是
torch.Tensor或numpy.array类型，需要进行转换。例如，如果图像是以PIL格式打开的，可以使用numpy.array()函数将其转换为numpy数组。- 创建
SummaryWriter对象，并使用add_image()方法将图像数据添加到TensorBoard日志中。
注意要点：1. 通过 PIL 打开的图像，其类型是：<class 'PIL.JpegImagePlugin.JpegImageFile'>，需要将其通过 numpy 或者 open CV 转换为 ：
torch.Tensor或numpy.array类型，才可以使用。2. tag 不同，可以展示出不同的图像
3. 在转换图像之后，通过 下述查看图像类型
print(img_array.shape) # 查看图像的类型4. dataformats: 默认的是（3，h，w）3个通道，h高度，w宽度。如果通道数在后面，比如（h，w，3）这种形式的话需要修改参数dataformats：CHW,HWC
from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np
img_path = '../小土堆/hymenoptera_data/train/ants_img/148715752_302c84f5a4.jpg' # 获取图片的地址
img_PIL = Image.open(img_path) # 打开该图片, 图片属于PIL型
img_array = np.array(img_PIL) # 将PIL型图片使用numpy转换为numpy型
print(img_array.shape) # 查看图像的类型
writer = SummaryWriter('logs') # 创建SummaryWriter对象
writer.add_image('tww', img_array, 2, dataformats="HWC") # 将图像添加到TensorBoard日志中
writer.close() # 关闭writer对象
472
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
