2.TensorBoard的使用

3.查看：实际应用 （tensorboard - -logdir=logs)

1.SummaryWriter类

• 主要使用SummaryWriter类 来进行变量的保存，它可以向指定的文件夹写入事件文件，这个事件文件可以被tensorboard读取。这个类需要传入的主要参数为 log_dir 和 comment ，前者设定事件文件的保存路径，后者可以在文件夹名称后添加一些备注，如学习率、batch_size等做一个区分。

.add_scalar()

2.保存需要可视化的事件文件

• 主要涉及的函数为 .add_scalar() ，通过这个函数可以传入图片的名称，纵轴数据以及横轴数据。对应的参数名分别为tag(标题)、scalar_value（y轴） 和 global_step（x轴）。

• 注意事项：不同的图记得保存成不同的 tag 名，否则会错乱。并且写完要close。

• 如果报错ImportError: TensorBoard logging requires TensorBoard with Python summary writer installed. This should be available in 1.14 or above.直接pip install tensorboard就可以，或者如果是版本太低则pip install --upgrade tensorboard升级就可。

• 如果出现**ModuleNotFoundError: No module named ‘past’**这个报错，pip install future,参考链接：https://blog.csdn.net/aoxuan7259/article/details/102078319

• .add_scalar()

from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter("logs") #添加到 logs这个文件夹下

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

writer.close()

• .add_image()

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

writer=SummaryWriter("logs") #添加到 logs这个文件夹下

image_path="data/train/ants_image/5650366_e22b7e1065.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
print(type(img_array))  #<class 'numpy.ndarray'>
print(img_array.shape)  #(512, 768, 3)

#add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats='CHW'):
writer.add_image("test",img_array,2,dataformats="HWC")

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

writer.close()