【PyTorch】深度学习快速入门（四）Tensorboard的使用(2)

Tensorboard的应用(2)

add_image的使用

下面是官方的解释（按住Ctrl然后点击该函数即可查看）

可以看到需要传入这些参数

• tag :图像的分类名称
• img_tensor :要传入的图像类型，在图片中Args部分提示必须为torch.Tensor numpy.ndarray string(图片路径)/blobname 这些类型，若不清楚你要传入的图像数据类型，可以使用print(type(“图像路径”))来查看，若图片格式为PIL，可使用numpy库进行转化，如：img = numpy.array(img)
• global_step :表示传入的第几张图片
• dataformats=‘HWC’ :HWC分别代表高度，宽度，和通道，可使用img.shape查看图像的高度，宽度，和通道，若通道在前，高度和宽度在其后，则要写成’CHW’

代码演示

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer = SummaryWriter("logs")

image_path = "Date/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path)
# 将PIL格式的图像转化为numpy.ndarray类型
img_array = np.array(img_PIL)
print(type(img_array))
# 用来查看图像的数据类型
print(img_array.shape)
# 用来查看图像的高度，宽度和通道
writer.add_image("test",img_array,1,dataformats='HWC')
# 把img_array图像以第1张为test标签传入，图像信息为HWC
for i in range(100):
    writer.add_scalar('x=y',i,i)

writer.close()

效果演示

启动Tensorboard会话

有多个图像文件的话，可拖动查看