pytorch学习（3）——TensorBoard使用

1 展示学习进度和损失

TensorBoard能够显示每一次迭代的学习进度和loss值。

1.1 安装tensorboard

Anaconda Prompt终端先激活pytorch环境，再安装tensorboard库。

conda activate pytorch
pip install tensorboard -i https://pypi.mirrors.ustc.edu.cn/simple/

1.2 add_scalar()：绘制曲线

add_scalar()函数中：
（1）tag：为图表标题
（2）scalar_value：为y轴的值
（3）global_step：为x轴的步长

编写python脚本：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

# writer.add_image()
for x in range(10):
    y = x
    writer.add_scalar("y=x", y, x)

for x in range(10):
    y = x*x
    writer.add_scalar("y=x^2", y, x)

for x in range(10):
    y = x*x*x
    writer.add_scalar("y=x^3", y, x)

writer.close()

运行完成后，在PyCharm的Terminal（终端）中进入logs文件的上级文件夹：

cd learning_project
tensorboard --logdir=logs

然后点击跳出来的网址http://localhost:6006/，就可以进入网页查看add_scalar()函数绘制的图像。

1.3 add_image()：绘制图像

add_image()函数中：
（1）tag：为数据ID。
（2）img_tensor：为图像数据（支持的图像数据类型有torch.Tensor、numpy.ndarray 或者 string/blobname）
（3）global_step：为全局步长
（4）dataformats：为数据格式，"CHW"表示通道、高度、宽度，“HWC"表示高度、宽度、通道……使用opencv读取的图像数据使用"HWC”。

python脚本编写：

from torch.utils.tensorboard import SummaryWriter
import cv2

writer = SummaryWriter("logs")

image_path = "G:\\Anaconda\\pycharm_pytorch\\learning_project\\dataset_ants_bees\\train\\ants_image\\0013035.jpg"
image_array = cv2.imread(image_path)
print(image_array.shape)
writer.add_image("0013035.jpg", image_array, 1, dataformats='HWC')

writer.close()

查看浏览器网址http://localhost:6006/。

但我们发现图像颜色有偏差，经过查询，opencv读取默认是BGR，需要使用cv2.cvtColor()函数将BGR转换为RGB，在cv2.imread()函数后添加以下函数就可以了。

image_array = cv2.cvtColor(image_array, cv2.COLOR_BGR2RGB)

新代码如下：

from torch.utils.tensorboard import SummaryWriter
import cv2

writer = SummaryWriter("logs")

image_path = "G:\\Anaconda\\pycharm_pytorch\\learning_project\\dataset_ants_bees\\train\\ants_image\\0013035.jpg"
image_array = cv2.imread(image_path)
image_array = cv2.cvtColor(image_array, cv2.COLOR_BGR2RGB)
print(image_array.shape)
writer.add_image("0013035-RGB.jpg", image_array, 1, dataformats='HWC')

writer.close()

刷新浏览器网页，即可观察到正常颜色的图像。