[土堆]深度学习快速入门教程笔记——Tensorboard使用——002

1.Tensorboard用途

---

Tensorboard是一个用于机器学习实验的可视化工具。它可以帮助你跟踪和展示训练过程中的指标，如损失和准确率，可视化模型图，查看权重、偏置或其他张量的直方图，将嵌入投影到低维空间，显示图像、文本和音频数据，分析TensorFlow程序的性能，等等​

from torch.utils.tensorboard import SummaryWriter
help(SummaryWriter)

///在python控制台输入help(模块名称)可以获取信息

///或在pycharm中按住ctrl后点击模块名称也可查询

如果想了解更多关于Tensorboard的信息，可以参考以下链接：

• TensorBoard | TensorFlow
• How to use TensorBoard with PyTorch
• TensorBoard详解之安装使用和代码介绍 - CSDN博客

---

2.Tensorboard写日志

---

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs") # 创建一个logs文件夹，writer写的文件都在该文件夹下
#writer.add_image()
for i in range(100):
    writer.add_scalar("y=2x",2*i,i) # 参数说明（标题，值，自变量）
writer.close()

---

3.Tensorboard读日志

---

在 Anaconda 终端里面，激活py3.6.3环境，再输入

tensorboard --logdir=C:\Users\Asabopp\Desktop\Learn_pytorch\Test\logs

将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。 

为避免多人使用端口导致冲突，也可以在后面加上后缀，使得端口独立：

tensorboard --logdir=C:\Users\Asabopp\Desktop\Learn_pytorch\Test\logs --port=6008

         注：每当值改变时应重新起一个tag，否则生成图像会出错。出错之后需要删掉所有logs然后重启tensorboard。或者做新的训练的时候可以先创建一个子文件：SummaryWriter("新文件夹名")

返回结果

---

4.Tensorboard读图片

---

 图片需要是numpy.array或者torch.Tensor型(下面是将PIL.JpegImage转换成numpy.array型）

注：这样得到的图片是格式(H, W, 3)，并非默认的(3, H, W), 需要设置dataformats='HWC'

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

img_path1 = "dataset/train/ants_image/5650366_e22b7e1065.jpg"
img_PIL1 = Image.open(img_path1)
img_array1 = np.array(img_PIL1)

img_path2 = "dataset/train/ants_image/7759525_1363d24e88.jpg"
img_PIL2 = Image.open(img_path2)
img_array2 = np.array(img_PIL2)

writer = SummaryWriter("logs") 
writer.add_image("test",img_array1,1,dataformats="HWC") # 1 表示该图片在第1步
writer.add_image("test",img_array2,2,dataformats="HWC") # 2 表示该图片在第2步                   
writer.close()

输出结果