8.TensorBoard的使用（二）

8.TensorBoard的使用（二）

1.add_image() 的使用

同样的，按住Ctrl，查看add_image() 方法如何使用

def add_image(self, tag, img_tensor, global_step=None):

• tag：对应图像的title
• img_tensor：图像的数据类型，只能是torch.Tensor、numpy.array、string/blobnaem
• global_step：训练步骤，int 类型

查看数据集中图片数据类型

先复制一下第一张图片的相对路径，因为该图片文件夹就在项目文件夹所在的位置，故只需复制相对地址

在Python控制台输出图片类型：

image_path = "dataset/train/ants_image/0013035.jpg"
from PIL import Image
img = Image.open(image_path)

可以看到该图片是PIL.格式，不符合add_image()要求。

2.利用numpy.array()，对PIL图片进行转换，获得numpy型图片数据

import numpy as np
img_array=np.array(img)
print(type(img_array)) 

可以看到该图片已经由PIL.格式转为numpy型图片数据

代码实战 step1：蚂蚁为例

from torch.utils.tensorboard import SummaryWriter   #导入SummaryWriter类
import numpy as np
from PIL import Image
 
#创建实例
writer=SummaryWriter("logs")   #把对应的事件文件存储到logs文件夹下
image_path="dataset/train/ants_image/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL) #把PIL类型的图片转为numpy型
print(type(img_array)) #查看图片是否是numpy型
print(img_array.shape)   #查看该numpy型的shape  (512,768,3)  即(H,W,C)(高度，宽度，通道)
 
writer.add_image("test",img_array,1, dataformats='HWC')  # 第1步
 
writer.close()

这里需要额外注意一点，图片的shape,从PIL到numpy型，需要在add_image()中指定每一个数字/维表示的含义

运行该python文件，控制台显示的运行结果如下：

显然该图片是numpy型，对应的shape是HWC

在pycharm的终端打开事件文件：

tensorboard --logdir=logs --port=6007

点击运行命令后出现的链接

可以看到多了个images

代码实战step2：蜜蜂为例

只需要在蚂蚁的代码里改两个地方

①先把image_path的值换成蜜蜂文件夹第一张图片的相对路径

image_path = "dataset/train/bees_image/16838648_415acd9e3f.jpg"

②再把writer.add_image() 里的步骤改成2

writer.add_image("test", img_array, 1, dataformats='HWC')  # 第1步

运行该python文件，然后刷新一下事件

这两个的title都是test，在一个title下，通过滑块显示每一步的图形，可以直观地观察训练中给model提供了哪些数据，或者想对model进行测试时，可以看到每个阶段的输出结果

如果想要单独显示，重命名一下title即可，即 writer.add_image() 的第一个字符串类型的参数

运行结果如下，刷新可以看到train：