TensorBoard中展示网络模型中images参数的用法

在 logger.add_graph(model, images) 中，images 参数用于指定与模型相关的图像数据。它是一个 NumPy 数组，包含图像的像素值。

通常情况下，images 参数用于记录模型训练过程中的图像数据。你可以将图像数据传递给 add_graph() 方法，以便在 TensorBoard 中可视化模型的结构和训练过程。

下面是一个示例代码，展示了如何使用 images 参数：

python
复制代码
import torch  
from torch.utils.tensorboard import SummaryWriter  
import numpy as np  
from PIL import Image  
  
# 创建一个 SummaryWriter 对象  
writer = SummaryWriter()  
  
# 加载模型  
model = torch.load('model.pth')  
  
# 加载图像数据  
image_path = 'image.jpg'  
image = Image.open(image_path)  
image = np.array(image)  
  
# 将图像数据转换为 Tensor  
image_tensor = torch.from_numpy(image)  
  
# 添加图像数据到 TensorBoard  
writer.add_graph(model, image_tensor)  
  
# 关闭 TensorBoard  
writer.close()
在上述示例中，我们首先使用 SummaryWriter 对象创建一个 TensorBoard 日志记录器。然后，我们加载了一个预训练的模型，并使用 Pillow 库加载了一张图像。接下来，我们将图像数据转换为 NumPy 数组，并将其转换为 PyTorch 的张量（Tensor）。最后，我们使用 add_graph() 方法将图像数据传递给模型，并将其添加到 TensorBoard 中进行可视化。