深度学习--Tensorboard简介

tensorboard是探究模型在不同阶段是如何进行输出的一种非常有效的工具

主要类的使用：SummaryWriter

首先是导包：

from torch.utils.tensorboard import SummaryWriter

在Pycharm中查看类的说明方法简介：

方法1（常用）：按住Ctrl键，注意一定是按住了，不要松开，然后鼠标移动到待查看的类，然后点击它

 如图所示，出现高亮后点击此类

方法2：在python控制台使用help()进行查看

创建实例：

writer = SummaryWriter("logs")

 字符串量为事件文件想要存储到的文件的文件名

常用的类方法：

add_scalar(tag(string), scalar_value(float or string),global_step(int)) :

tag：标题

scalar_value：对应于图表的y轴

global_step：对应于图表的x轴

运行程序：

简单写一个y=2x的函数图表：

 点击运行后注意观察左侧文件夹内容的变化：

 会出现一个这个事件文件

如果运行报错：

ImportError:Tensorboard logging requires TensorBoard with Python summary writer installed

如果遇到上述图片的报错信息，则表明需安装Tensorboard包。安装方法如下 ：

安装Tensorboard:

方法1：Anaconda Prompt控制台

方法2：在Pycharm的terminal终端进行安装

 若前缀不是（pytorch)而是（PS），点击settiing->terminal->shell path->改为cmd

 如何打开事件文件：

 

 点击一下蓝色高光的链接后会跳转到如下界面：

add_image(tag, img_tensor, global_step，.....)

img_tensor：表示图像的数据类型，打开源代码可以查看可支持类型

                   （主要支持torch.Tensor, numpy.arry,  string/blobname)

global_step：训练的步骤，为 int 类型

图片类型的转换：

首先查看图片类型：

print(type(img))

利用numpy.arry(),  对PIL图片进行转换

import numpy as np
img_arry = np.array(img)

代码中的 img 为PIL 类型的变量，img_arry用来接收numpy类型的变量

整体测试代码如下：

 写到这里然后运行，会发现报错了！！！

 报错原因：cannot handle this data type:(1,1,512)，意思就是无法处理该种数据形式

打开add_image() 的代码文件查看发现：

 注意shape 的内容：主要说明了img_tensor默认为（3，H, W）类型，“3”表示通道数，"H","W"分别表示高度和宽度，注意这三个量的顺序。后面的文档意思是也可以使用（H, W, 3)类型，但是前提条件是需要设置dataformats='HWC', C表示上述的通道数（channel),也就是说将通道数放在最后。

我们可以查看一下图片的shape来判断错误是否如此：

print(img_array.shape)

 (512,768,3)表明通道数的确在最后一位，这时我们根据文档提示进行修改即可

修改代码如下：

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np
writer = SummaryWriter("logs")
img_path="data/练手数据集/train/ants_image/0013035.jpg"
img_PIL=Image.open(img_path)
img_array=np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("test_add_image", img_array, 1, dataformats='HWC')

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

writer.close()

测试运行成功后打开terminal：