SummaryWriter
4.add_image()
功能 记录图像
tag 图像的标签名,图的唯一标识
img_tensor 图像数据,注意尺度
global_step x轴
dataformats 数据形式 CHW HWC HW
torchvision.utils.make_grid
功能 制作网格图像
tensor 图像数据 BCH*W 形式
nrow 行数(列数自动计算)
padding 图像间距(像素单位)
normalize 是否将像素值标准化
range 标准化范围
scale_each 是否单张图维度标准化
pad_value padding的像素值
5.add_graph()
功能 可视化模型计算图
model 模型 必须是nn.Module
input_to_model 输出给模型的数据
verbose 是否打印计算图结构信息
注意 需要pytorch 1.3以上才可以使用
torchsummary
功能 查看模型信息,便于调试
model pytorch模型
input_size 模型输入size
batch_size batch size
device “cuda” or “cpu”
# -*- coding:utf-8 -*-
import os
import torch
import time
import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.utils as vutils
from tools.my_dataset import RMBDataset
from torch.utils.tensorboard import SummaryWriter
from torch.utils.data import DataLoader
from tools.common_tools import set_seed
from model.lenet import LeNet
set_seed(1) # 设置随机种子
# ----------------------------------- 3 image -----------------------------------
flag = 0
# flag = 1
if flag:
writer = SummaryWriter(comment='test_your_comment', filename_suffix="_test_your_filename_suffix")
# img 1 random
# 构建一个3*512*512的数据
fake_img = torch.randn(3, 512, 512)
writer.add_image("fake_img", fake_img, 1)
time.sleep(1)
# img 2 ones
# 0是黑的 255是白的
fake_img = torch.ones(3, 512, 512)
time.sleep(1)
writer.add_image("fake_img", fake_img, 2)
# img 3 1.1
fake_img = torch.ones(3, 512, 512) * 1.1
time.sleep