【Pytorch】小土堆自学日记（二）

weixin_52591187

已于 2024-07-11 19:16:15 修改

阅读量369

点赞数 6

分类专栏：小土堆PyTorch 文章标签： pytorch 人工智能 python

于 2024-07-11 19:13:21 首次发布

本文链接：https://blog.csdn.net/weixin_52591187/article/details/140331116

版权

小土堆PyTorch 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

一、TensorBoard的使用（打开图片）

1、函数的使用：

2.利用Opencv读取图片，获得numpy型图片数据

⑤可以修改参数global_step来显示多张图片

一、TensorBoard的使用（打开图片）

1、函数的使用：

def add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats="CHW"):

''''''

参数使用：

tag (str): 图表标题
img_tensor (torch.Tensor, numpy.ndarray, or string/blobname): 图像的数据类型
global_step (int): 记录标量的全局步数，通常用于表示训练过程中的时间点
walltime (float):不常用
dataformats (str):图像数据类型的特殊说明（C是通道；H是高度；W是宽度）
NCHW, NHWC, CHW, HWC, HW, WH, etc.-----不清楚可以print一下类型

''''''

官方示例：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
img_batch = np.zeros((16, 3, 100, 100))
for i in range(16):
img_batch[i, 0] = np.arange(0, 10000).reshape(100, 100) / 10000 / 16 * i
img_batch[i, 1] = (1 - np.arange(0, 10000).reshape(100, 100) / 10000) / 16 * i
writer = SummaryWriter()
writer.add_images('my_image_batch', img_batch, 0)
writer.close()

2.利用Opencv读取图片，获得numpy型图片数据

①前情：

from PIL import Image
img_path = 'dataset/train/ants/0013035.jpg'
img = Image.open(image_path)
print(type(img))

利用上述代码可知，平时读取到的数据是<class 'PIL.JpegImagePlugin.JpegImageFile'>类型的，不符合函数中的图像类型

②如何将图片格式转换为numpy型：

import numpy as np
img_array = np.array(img)
print(type(img_array))

③具体代码：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer=SummaryWriter("logs")
image_path="dataset/train/ants/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
writer.add_image("test",img_array,1,dataformats='HWC')
#y=x
for i in range(0,100):
    # print(i)
    writer.add_scalar("y=2x", 2*i, i)

writer.close()

④作用：

总体来说学习了如何打开图片，通过这种方式，可以直接的观察给model提供了哪些数据，以及对model测试时可以观察某个阶段的输出结果，或者不同阶段的结果的显示。

⑤可以修改参数global_step来显示多张图片

修改步数为2时：

writer=SummaryWriter("logs")
image_path="dataset/train/bees/16838648_415acd9e3f.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
writer.add_image("test",img_array,2,dataformats='HWC')
for i in range(0,100):
    # print(i)
    writer.add_scalar("y=2x", 2*i, i)

writer.close()

结果显示：