【PyTorch学习笔记】自用 零基础详细标注-2.Tensorboard使用

可以用它生成loss变化、展示transform结果。在pytorch1.1后可以在torch中使用。在探究输出时很有效，比如训练数据集时，可以直观看见中间各步骤的处理结果。

安装tensorboard：pip install tensorboard

#涉及到的类需要import一下
#SummaryWriter类可以在pycharm中用ctrl查看功能和用法
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

#在此示例中，主要使用两个方法：
writer.add_image()
writer.add_scalar()

writer.close()

add_scalar()使用

想构造出这种：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

#SummaryWriter功能：添加一个标量数据到summary中，需要添加变量：tag(string)图表标题，双引号
#scalar_value：y轴；global_step：x轴

#尝试一个简单的：y=x，可以用循环来写
for i in range(100):
    writer.add_scalar("y=x", i, i)

writer.close()

如何读取logs

在终端，项目目录下，输入tensorboard —logdir=logs，会默认在一个主机端口打开窗口

其中，logdir=（事件文件所在文件夹名）

有时候，服务器端口会冲突，可以指定端口tensorboard —logdir=logs —port=6007

一些问题

不改变标题改变内容时，图表还会记录上一次的数据，并在上一次数据的基础上继续进行这一次的图表生成。

解决(1)：删除对应logs下所有文件，程序重新开始

解决(2)：训练新回合时写一个新的子文件（即创建新的SummaryWriter（“新文件夹”)）

add_image()使用

注意使用函数要求使用的数据类型，其中的图像数据img_tensor要求类型为：torch.Tensor, numpy.array, string/blobname。PIL读取的图像数据不满足需求，此时用OpenCV即可。

import cv2

img_path = '....jpg'
img = cv2.imread(img_path)

（较麻烦）将PIL读取的数据通过numpy转换为array

from PIL import Image
import numpy

img_path = '....jpg'
img = Image.open(img_path)

img_array = np.array(img)
#即可转换为numpy.array类型

from torch.utils.tensorboard import SummaryWriter
import cv2

writer = SummaryWriter("logs")
img_path = '....jpg'
img = cv2.imread(img_path)

writer.add_image("test", img, 1, dataforms = 'HWC')
#此处的“1”是global_step，当有多个时可以通过拖动查看图片，想单独显示就换title
#注意该函数对数据的shape也有要求，默认是(3, H, W)，三个通道，高度宽度。使用(H, W, 3)也是
#可以的，但是需要设置dataformats，将默认的CHW改成HWC
#查看数据shape，使用print(img.shape)，本次测试数据集使用的是HWC。或者在python控制台也可以看

writer.close()

运行成功后刷新，可以在端口看见有图像内容。add_image功能即为传数据图片