pytorch——Tensorboard使用

目录

add_scalar()函数

add_image()函数

---

        Tensorboard是常用的一种可视化的工具，我们对其中的SummaryWriter类进行调用。

        我们可以查阅其相关说明：

        我们通常使用初始化函数中的第一个参数：文件的名称，也可以不对其进行配置，采用默认。

add_scalar()函数

        使用其中的add_scalar函数，首先查阅说明：

tag相当于图像的标题； scalar_value是要保存的数值，相当于纵轴；global_step是在多少步记录scalar_value的值，相当于横轴。

        一个小实例：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")#创建一个对象

for i in range(100):
    writer.add_scalar("y=2x",2*i,i)

writer.close()

运行完之后，在左侧会出现一个logs文件夹，其中就是Tensorboard的事件文件。

可以在命令行中输入指令tensorboard --logdir=logs来打开该文件：

其中logdir=事件文件所在文件夹名。由运行结果可以看到Tensorboard打开的窗口在主机的6006号。点击就可以看到可视化的结果：

 若同时有好几个训练，都默认打开6006端口，会出现混乱，可以使用：

tensorboard --logdir=logs --port=6007

 如果我们接着改变了函数，但对tag参数没有改变：

writer.add_scalar("y=2x",3*i,i)

 重新运行代码后，打开TensorBoard刷新会发现：

 我们可以将事件文件都删掉重新运行，实现新函数的显示。

add_image()函数

使用其中的add_image()函数，首先查阅说明：

tag是标题；img_tensor是图像数据，要注意其类型，参数应符合类型要求；global_step是训练步骤；dataformats是格式设置。

在这里我们将照片添加到项目目录中，并查看照片的格式：

可以知道，照片格式PIL.JpegImage并不满足参数的格式要求，需要进行转换。如果我们转换为numpy的array形式，则其shape为HWC（H:高度 W:宽度 C:通道）：

而我们查阅的add_image()函数相关信息可知，img_tensor默认是CHW，所以需要对dataformats操作。

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter("logs")#创建一个对象
image_path = "data/train/ants_image/0013035.jpg"#图片的相对路径
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)#将图像转换为numpy的array类型

writer.add_image("title",img_array,1,dataformats='HWC')#可以通过查阅所得的例子中知道HWC的配置
for i in range(10):
    writer.add_scalar("y=x^2",i**2,2*i)

writer.close()

然后从前面说的命令行进行查看：

接着将路径改为另一个图片的路径，将步骤step改为2：

接着运行，在TensorBoard刷新进行查看：

箭头处可以拖动，查看step1。通过改变title可以实现单独显示。