pytorch 可视化笔记3 TensorBoard 可视化图片和网络

环境配置开始有些问题（Pytorch1.4+tensorflow2.0+tensorboard2.0），显示不出来，然后更新了下软件能正常显示。

修改后配置如下：

系统：Windows 10

Pytorch:1.4

tensorflow-gpu: 2.1.0

tensorboard: 2.1.1

import torch
import torchvision
from torch.utils.tensorboard import SummaryWriter
from torchvision import datasets, transforms

# 设置输出文件目录
writer = SummaryWriter('runs/test')

transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))])
trainset = datasets.MNIST('./mnist_train', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)
model = torchvision.models.resnet50(False)
# Have ResNet model take in grayscale rather than RGB
model.conv1 = torch.nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3, bias=False)
images, labels = next(iter(trainloader))

grid = torchvision.utils.make_grid(images)
writer.add_image('images', grid, 0)
# 写入图像数据 
writer.add_graph(model, images)
# 写入模型
writer.close()

熟悉Pytorch的应该知道使用Pytroch的dataset导入数据集的方式和下载到本地后的文件后的文件目录，使用python下载有时候速度会比较慢，可以全部或部分粘贴下载地址到迅雷下载，下载好后拷贝到对应目录。

下面显示的是路径设置为 D:\workspace\pytorch\pytorch_tutorial\mnist 时生成的文件结构，自己只需要下载./MNIST/raw目录下4个gz结尾的压缩文件。

运行上面的代码后，将创建两个新目录：mnist_train和runs。 -mnist_train包含MNIST数据集。-runs 包含tensorboard运行数据。

我们可以使用tensorboard，需要使用--logdir参数指定运行的存储位置。

tensorboard --logdir=runs

访问 http://localhost:6006/ TensorBoard应与MNIST图像一起出现

TENSORBOARD模块函数介绍：

torch.utils.tensorboard.writer.SummaryWriter(log_dir=None, comment='', purge_step=None, max_queue=10, flush_secs=120, filename_suffix='')

• log_dir（string） - 保存目录位置。默认值为runs / CURRENT_DATETIME_HOSTNAME，每次运行后都会更改。使用分层文件夹结构轻松比较运行。例如，为每个新实验传递'runs / exp1'，'runs / exp2'等，以便比较它们。
• comment（string） - 注释log_dir后缀附加到默认值 log_dir。如果log_dir已分配，则此参数无效

add_scalar(tag, scalar_value, global_step=None, walltime=None)
# 增加一个标量数据
add_graph(model，input_to_model = None，verbose = False)
# 将模型添加到summary
add_figure(tag，figure，global_step = None，close = True，walltime = None)
# 将matplotlib图形渲染为图像并将其添加到summary中
add_images(tag, img_tensor, global_step=None, walltime=None, dataformats='NCHW')
# 将batch图像添加到summary中

 

参考文献

https://zhuanlan.zhihu.com/p/79113234

https://pytorch.org/docs/stable/tensorboard.html