自学深度学习pytorch——Day3 Tensorboard

---

前言

TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。

---

一、安装TensorBoard

进入pytorch环境输入命令安装：pip install tensorboard

二、TensorBoard 的 SummaryWriter

1. 引入

 from torch.utils.tensorboard import SummaryWriter 

2. 指定文件夹 logs

指定一个文件夹，把创建的事件文件存下来。这是 Summarywriter 的 init 初始化做的事情（如果没有则在项目下自动创建）：

writer = SummaryWriter("logs") # 创建实例文件夹“logs”

后续对变量 writer 进行 add_scalar() 和 add_image() 操作

---

三、add_scalar() 的使用

常用于绘制train/val、loss

代码：

writer.add_scalar("y=3x", 3*i, i) #参数分别为(tag名称，y轴，x轴)

绘制一条 y=3x 的曲线，i为循环变量，将该语句放到for循环中即可改变x的值

四、add_image() 的使用（涉及数据类型的转换）

1. 查看数据类型

add_image() 要求图片类型为torch.Tensor型或numpy型

查看图片类型：print(type(img)) 其中 img 是通过 Image.open() 获得的图片（上一节介绍过）

查看类型发现PIL型不符合条件

2. 类型转换 PIL–>numpy 的两种方法

1. 使用opencv读取图片，获得numpy型图片数据 （下期分享）
   opencv安装：pip install opencv-python

2. 利用numpy.array()，对PIL图片 img 进行转换
   import numpy as np
   img2 = np.array(img)

   再次查看数据类型：
   

3. 代码

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

注意：

1、此时img_array的数据类型为numpy型
2、add_image 的 dataformats 格式，默认是CHW，通过print(img_array.shape)以查看 img 是否为C（通道）H（高度）W（宽度）的形式
3、因此要把add_img语句中的参数改成dataformats='HWC'

五、通过 TensorBoard 打开 logs 文件

tensorboard --logdir = logs

报错则把logs换成绝对路径：

tensorboard --logdir = “E:\20230528-pytorch-data\logs”

运行后打开对应端口即可

为了不重复端口，我们可以用以下指令指定端口：

tensorboard --logdir=logs --port=6007

六、运行结果

1. add_scalar运行结果

2. add_image运行结果