SummaryWriter基本用法
SummaryWriter用于将模型训练过程中的日志保存到TensorBoard中。可以通过使用SummaryWriter的add_scalar()方法来保存损失函数、准确率等标量信息,使用add_histogram()方法来保存权重、梯度等张量信息,使用add_image()方法来保存图像信息等。
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('logs') #当前目录下创建logs文件夹用于存放日志
ToTensor的使用
将一个PIL的图片变成一个tensor类型的图片,使用SummaryWriter将图片保存在TensorBoard中的具体例子:
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
writer = SummaryWriter('logs') #要先删除之前的logs,不然之前的值会影响新的值
img = Image.open('data/train/ants_image/0013035.jpg')#图片的相对路径
print(img)
trans_totensor = transforms.ToTensor() #创建对象,将一个PIL的img变成一个tensor类型的img
img_tensor = trans_totensor(img)
writer.add_image('ToTensor',img_tensor) #然后想要将img放在tensorboard中
writer.close()
然后,在pycharm终端输入 tensorboard --logdir=logs
Normalize归一化
归一化可以加速收敛速度,也就是加速训练的速度,注意区分归一化和标准化(standardlization)。
#output[channel] = (input[channel] - mean[channel]) / std[channel]
# mean = 0.5 ,std = 0.5
# (input - 0.5)/0.5 = 2*input - 1
# input[0,1] result[-1,1]
#Normalize归一化
print(img_tensor[0][0][0])
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])#需要参数:均值、标准差,图片按照tensor的存储顺序存成CHW(通道、长、宽)图片为RGB为3通道
img_norm = trans_norm(img_tensor)
print(img_norm[0][0][0])
writer.add_image('Normalize',img_norm)
Resize的使用
#Resize
print(img.size)
trans_resize = transforms.Resize((512,512))
#img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)
#img_resize PIL -> totensor ->img_resize tensor
img_resize = trans_totensor(img_resize)
writer.add_image('Resize',img_resize,0)
Compose()用法
Compose() 中的参数需要的是一个列表,里面数据需要是transforms类型,即为Compose([transforms参数1,transforms参数2,...])
#Compose -resize -2 用compose让resize和totensor合成一步
trans_resize_2 = transforms.Resize(512)
trans_compose = transforms.Compose([trans_resize_2,trans_totensor])#后面一个参数的输入和前一个参数的输出匹配
img_resize_2 = trans_compose(img)
writer.add_image('Resize',img_resize_2,1)
RandomCrop随机裁剪
随机裁剪相当于建立每个因子特征与相应类别的权重关系,减弱背景(或噪音)因子的权重,且使模型面对缺失值不敏感,也就可以产生更好的学习效果,增加模型稳定性。
#RandomCrop随机裁剪
trans_random = transforms.RandomCrop(512)
trans_compose_2 = transforms.Compose([trans_random,trans_totensor])
for i in range(10):
img_crop = trans_compose_2(img)
writer.add_image('RandomCrop',img_crop,i)
总结
1.关注输入和输出类型
2.多看官方文档
3.关注方法需要什么参数
4.不知道返回值的时候:print,print(type()),debug