三、将 tensorform 与 tensorboard 进行结合

transforms的简介

torchvision.transforms：是常用的图像预处理的库
torchvision.datasets : 常用数据集的dataset，MNIST，CIFAR-10，ImageNet等
torchvision.model : 常用的模型预训练，AlexNet，VGG， ResNet，GoogLeNet等

torchvision.transforms :可以实现的图像处理方法
• 数据中心化
• 数据标准化
• 缩放
• 裁剪
• 旋转
• 翻转
• 填充
• 噪声添加
• 灰度变换
• 线性变换
• 仿射变换
• 亮度、饱和度及对比度变换

transforms结合tensorboard的使用

导入所需模块 ；

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
from PIL import Image

创建tensorboard中的 SummaryWriter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 = Image.open(image_path)
print(type(img))
print(img)

创建transforms实例并将PIL格式图片转为tensor格式

tensor_trans = transforms.ToTensor()

img_tensor = tensor_trans(img)
print(type(tensor_trans))
print(img_tensor)

使用tensorboard添加tensor格式的图片

writer.add_image('tensor_img', img_tensor)

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 torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
from PIL import Image

writer = SummaryWriter('log')

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

img = Image.open(image_path)
print(type(img))
print(img)

tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img)
print(type(tensor_trans))
print(img_tensor)

writer.add_image('tensor_img', img_tensor)
writer.close()