使用 PyTorch 和 TensorBoard 可视化 CIFAR-10 数据集_训练任务中tensorboard可视化的数据集-CSDN博客

前言

一、导入必要库

二、TensorBoard 可视化 CIFAR-10 数据集

1.数据预处理

2.加载 CIFAR-10 数据集

3.查看数据

4. 使用 TensorBoard 可视化训练集图像

5.启动 TensorBoard 查看图像

7.可视化展示

总结

前言

在深度学习的模型训练中，可视化数据和模型结构是非常关键的一环，尤其是对于新手，理解“模型到底在学什么”、“输入图片是什么样”等问题是入门的第一步。

今天我们就用最简单的 PyTorch 和 TensorBoard，加载 CIFAR-10 数据集并将其图像写入 TensorBoard 可视化界面。

一、导入必要库

import torchvision
from torch.utils.tensorboard import SummaryWriter

二、TensorBoard 可视化 CIFAR-10 数据集

1.Compose[]数据预处理

dataset_transforms=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])

2.加载 CIFAR-10 数据集

train_set = torchvision.datasets.CIFAR10(
    root="./database",
    train=True,
    transform=dataset_transforms,
    download=True
)

test_set = torchvision.datasets.CIFAR10(
    root="./database",
    train=False,
    transform=dataset_transforms,
    download=True
)

root：指定保存数据集的根目录。(最好用 “./XXXX”，这样数据文件夹会自动下载到当前文件夹)
train：布尔值，True 表示加载训练集，False 表示加载测试集。
transform：对图像进行的转换操作，常见有 ToTensor()、Normalize()、RandomCrop() 等。
download：是否从网上下载数据集(一般为True)。

更多详细信息请前往下面的pytorch帮助文档查看https://docs.pytorch.org/vision/stable/generated/torchvision.datasets.MNIST.html?highlight=mnis#torchvision.datasets.MNIST

3.查看数据

# print(test_set[0]) # 打印第一张图片的信息
# print(train_set[0])
# print(test_set.classes) # 查看所有类别标签，如 'airplane', 'automobile', ...

# img, target = test_set[0]
# print(img) # 打印 Tensor 图像信息
# print(target) # 打印对应的标签索引
# print(test_set.classes[target]) # 打印具体类别名
# img.show() # 显示图片（仅适用于 PIL 图像）

4. 使用 TensorBoard 可视化训练集图像

Writer = SummaryWriter("../logs2")  # 创建日志文件夹 logs4

for i in range(10):
    img, target = train_set[i]  # 依次获取前10张图片
    Writer.add_image("testset", img, i)  # 将图像写入 TensorBoard

Writer.close()  # 关闭 writer