Tensorboard的使用

张起灵ovo

于 2024-07-15 09:59:43 发布

阅读量412

点赞数 22

分类专栏：深度学习文章标签： python 人工智能深度学习 pytorch

本文链接：https://blog.csdn.net/weixin_50164178/article/details/140409278

版权

深度学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

1、Tensorboard简介

Tensorboard是深度学习使用时查看训练过程的重要可视化工具。首先需要确保我们已经安装了Tensorboard库，使用pip安装即可。

pip install tensorboard

2、SummaryWriter的使用

SummaryWriter是Tensorboard中的一个类，该类可以实现对具体过程的可视化，这里主要介绍SummaryWriter的两个主要方法。
一、数据类可视化

"""
add_scalar(tag,scalar_value,global_step=None)
tag为标题名称，scalar_value为y轴数据,global_step为x轴数据，可认为是步长
其结果是生成一个表格，如果两次曲线用的都是同一个tag，则会在同一张图上绘制，并且将上一条曲线和这一条曲线进行连接(强拟合)
"""

案例：先绘制一个 $y = 2 x$ 的图像，再绘制一个 $y = x$ 的图像，并在同一个图上显示。

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('logs')  
# 传入的字符串表示在对应的目录下生成一个文件夹，存放对应事件的文件
for i in range(5):    # 依次描五个点
    writer.add_scalar(tag='test',scalar_value=2*i,global_step=i) 
writer.close()  # 使用完成关闭writer

在控制台使用如下指令打开对应文件夹

tensorboard --logdir='E:\Python_learning\Deep_learning\测试\logs'
# 文件名需自行更换

如需指定对应的端口打开，使用如下指令即可

tensorboard --logdir='E:\Python_learning\Deep_learning\测试\logs'--port=6007
# 文件名需自行更换

结果如下图所示
在这里插入图片描述

如果在此tag上，继续绘制 $y = 2 x$ 图形，即再原来的for循环体内加入如下代码：

writer.add_scalar(tag='test',scalar_value=i,global_step=i)

在终端打开tensorboard查看，其结果如下所示：

在这里插入图片描述

其会把相同的global_step的点连接并连接至下一个global_step。
二、图像类可视化

add_image(tag,img_tensor,global_step)
tag:标题名称
img_tensor:图片类型必须为torch.tensor,ndarray,string或者blobname
global_step:训练步骤，即x轴
之前所说的PIL中Image读取图片类型为<class 'PIL.JpegImagePlugin.JpegImageFile'>，不符合要求,可以使用np.array()转换成ndarray
可以使用opencv进行读取，opencv读取的图片类型为ndarray形

案例：读取文件夹hymneptera_data/train/ants内的图片，并在tensorboard上查看。

import numpy as np
from PIL import Image
img_path = r'E:\Python_learning\Deep_learning\数据集\hymenoptera_data\train\ants\5650366_e22b7e1065.jpg'
img_PIL = Image.open(img_path)
print(type(img_PIL))  # 类型为<class 'PIL.JpegImagePlugin.JpegImageFile'>
img_array = np.array(img_PIL)   
# 强制转化后为ndarray.shape为(512,768,3)，而默认的为(3, H, W)，此时需要设置dataformats='HWC'  ----可查看函数说明
print(img_array.shape)
writer.add_image('test',img_array,3,dataformats='HWC')

输出如下：
在这里插入图片描述
可见使用PIL.image读取图片的类型为<class ‘PIL.JpegImagePlugin.JpegImageFile’>，且该图片宽为375，高500，通道数为3(RGB)
在终端使用tensorboard查看对应的示意图，如下所受：

3、总结

本节主要掌握使用Tensorboard进行可视化，主要分为以下几个步骤
No.1:导入对应的包 from torch.utils.tensorboard import SummaryWriter
No.2:实例化对应的类，类内传入一个字符串，表示是将对应事件写入的文件夹
No.3:按照类型调用对应的方法。数据类则调用add_scalar,单张图片则调用add_image,多张图片则调用add_images
No.4:写入完成，调用对应的.close()方法
No.5:在终端使用命令tensorboard --logdir=‘地址’ --port=指定端口号进行打开tensorboard
注意：如果不希望在同一个可视化文件描绘两张图形，需要更改写入时的tag。