PyTorch-TensorBoard

一、介绍：

TensorBoard：是一组用于数据可视化的工具。

SummaryWriter：类，用于提供一个高级API，并在给定目录中创建事件文件，向其中添加摘要和事件。

1. SummaryWriter(log_dir)：log_dir表示TensorBoard文件要存放的路径。

2. add_scalar

tag：生成图像的名称，

scalar_value：Y轴

global_step：X轴 

test_tb.py

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('../logs')  # 存放在logs文件中，并实例化
# for example：y=x
for i in range(100):
    writer.add_scalar('y=x', i, i)
# 可以把缓存中保存的数据写到events文件中。若训练中断且没有close，则保存的目录里不会有相应的数据。
writer.close()

3. 在终端使用 tensorboard --logdir=logs（存放的文件名，即log_dir） 

也可更改端口号：tensorboard --logdir=logs --port=1000

 ​y=3x：

二、add_image()的使用

1. PIL读取图片，得到的类型：<class 'PIL.JpegImagePlugin.JpegImageFile'>

from PIL import Image
img=Image.open(image_path)
print(type(img))

2. 使用numpy转型，得到的类型：<class 'numpy.ndarray'>

add_image(tag，img_tensor，global_step)

for the img_tensor:

目前我们的img_tensor：

test_tb.py

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

writer = SummaryWriter('../logs')  # 存放在logs文件中，并实例化
image_path = '../PyTorch/data/train/ants_image/0013035.jpg'
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)
writer.add_image('test', img_array, 1, dataformats='HWC')
writer.close()

终端：tensorboard --logdir=logs 

可修改step：

image_path = '../PyTorch/data/train/bees_image/16838648_415acd9e3f.jpg'
writer.add_image('test', img_array, 2, dataformats='HWC')