二、tensorboard 的 简介 和 使用方法

tensorboard的简介

Tensorboard是tensorflow内置的一个可视化工具，它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，因而tensorboard和tensorflow程序在不同的进程中运行

tensorboard的安装

本栏目上一篇中在anaconda中创建了用于pytorch的环境。我们继续，切换到pytorch环境进行安装。
执行 conda install tensorboard进行安装

tensorboard的使用

导入所需模块 ；

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

创建实例并指定log目录
简介中说过了Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，所以在使用的开始，要制定存放运行文件的目录

writer = SummaryWriter('log')

读取图片

image_path = 'hymenoptera_data/train/bees/17209602_fe5a5a746f.jpg'

img_PIL = Image.open(image_path)
img_np_arr = np.array(img_PIL)

print(type(img_np_arr))
print(img_np_arr.shape)

writer.add_image('test', img_np_arr, 2, dataformats='HWC')

writer.close()

需要注意的是使用Image.open()打开的图像是PIL格式，在writer.add_image()函数中只支持以下三种格式，因此要通过numpy进行转换

还需要注意的是，照片的shape中的C（通道数）、H（高度）、W（宽度）的顺序，add_image()默认的是CHW格式，因为实验用的图片是HWC形式，因此要在add_image()时进行指明。

绘制函数

for i in range(100):
 writer.add_scalar("y=x", 2*i, i)

writer.close()

查看绘制的图像

在conda的pytorch环境中执行 tensorboard --logdir=log --port=6007

点击本地连接，即可查看

完整代码

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

writer = SummaryWriter('log')
image_path = 'hymenoptera_data/train/bees/17209602_fe5a5a746f.jpg'
img_PIL = Image.open(image_path)
img_np_arr = np.array(img_PIL)
print(type(img_np_arr))
print(img_np_arr.shape)

#添加图片
writer.add_image('test', img_np_arr, 2, dataformats='HWC')

#描述y=x函数
for i in range(100):
   writer.add_scalar("y=x", 2*i, i)

writer.close()