【PyTorch教程】P8-9 Tensorboard使用

完整目录

• P6-P7 数据加载
• P8-9 Tensorboard使用
• P10-11 Transform的用法
• P12-13 常用的tranforms
• P14 torchvision中的数据集的使用
• P15 dataloader的使用
• P16 nn.Module
• P17 卷积
• P18 卷积层使用
• P19 池化
• P20 ReLU
• P21线性层和其它层
• P22 squential和小实战
• P23 loss function
• P24 优化器
• P25 pytorch中现有模型
• P26 网络模型的保存和加载
• P27、28、29 完整的模型套路
• P30 GPU加速
• P31 GPU加速_2
• P32 完整的模型验证套路
• P33 github的使用

完整笔记

• 使用这个工具，可以看到具体某一步骤时的输入和输出。
  

• 需要指定一个文件夹，把创建的事件文件存下来。这是Summarywriter的init当中做的。

• 还有其他参数可以设置，略了。

• 一般使用这两个方法：
  
  注意add_scalar里面的参数，代表了图中横纵坐标的轴名称：
  
  举例子：SummaryWriter是个class，需要将它实例化：
  

• 如何打开浏览器看图？
  Port那里是为了避免跟别人冲突，自己定义一个数值：
  
  如果出现“刷新之后产生了以外变化”，就把原来的logs文件夹删掉，重新运行就好了：
  

• add_image方法的使用：注意输入类型的要求：
  print（type（img）），PIL读取的类型不行；

• 视频中，用PIL转成了numpy类型作为输入了。
  
  

• 以上代码出的问题是：通道（H,W,C）需要转换：
  那个20行最后一个参数 dataformats 可以把这个顺序转换过来。

可以运行的代码

# ！usr/bin/env python3
# -*- coding:utf-8 -*-

"""
author :24nemo
 date  :2021年07月07日
"""

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

writer = SummaryWriter("logs")
image_path = "data/train/ants_image/6240329_72c01e663e.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("train", img_array, 1, dataformats='HWC')  # 数字 1 代表一共有几个步骤，网页中会出现滑块，可以拖动
# y = 2x
for i in range(100):
    writer.add_scalar("y=2x", 3 * i, i)

writer.close()
'''

终端：
tensorboard --logdir=logs --port=6007

logs文件可以删除，重新运行

'''


## 完整目录
- [P6-P7 数据加载](https://blog.csdn.net/weixin_42306148/article/details/123240796?spm=1001.2014.3001.5501)
- [P8-9 Tensorboard使用](https://blog.csdn.net/weixin_42306148/article/details/123363465?spm=1001.2014.3001.5501)
- [P10-11 Transform的用法](https://blog.csdn.net/weixin_42306148/article/details/123363623?spm=1001.2014.3001.5501)
- [P12-13 常用的tranforms](https://blog.csdn.net/weixin_42306148/article/details/123363722?spm=1001.2014.3001.5501)
- [P14 torchvision中的数据集的使用](https://blog.csdn.net/weixin_42306148/article/details/123363855?spm=1001.2014.3001.5501)
- [P15 dataloader的使用](https://blog.csdn.net/weixin_42306148/article/details/123363917?spm=1001.2014.3001.5501)
- [P16 nn.Module](https://blog.csdn.net/weixin_42306148/article/details/123363946?spm=1001.2014.3001.5501)
- [P17 卷积](https://blog.csdn.net/weixin_42306148/article/details/123363982?spm=1001.2014.3001.5501)
- [P18 卷积层使用](https://blog.csdn.net/weixin_42306148/article/details/123364030?spm=1001.2014.3001.5501)
- [P19 池化](https://blog.csdn.net/weixin_42306148/article/details/123364108?spm=1001.2014.3001.5501)
- [P20 ReLU](https://blog.csdn.net/weixin_42306148/article/details/123364138?spm=1001.2014.3001.5501)
- [P21线性层和其它层](https://blog.csdn.net/weixin_42306148/article/details/123364409?spm=1001.2014.3001.5501)
- [P22 squential和小实战](https://blog.csdn.net/weixin_42306148/article/details/123364481?spm=1001.2014.3001.5501)
- [P23 loss function](https://blog.csdn.net/weixin_42306148/article/details/123364558?spm=1001.2014.3001.5501)
- [P24 优化器](https://blog.csdn.net/weixin_42306148/article/details/123364628?spm=1001.2014.3001.5501)
- [P25 pytorch中现有模型](https://blog.csdn.net/weixin_42306148/article/details/123364730?spm=1001.2014.3001.5501)
- [P26 网络模型的保存和加载](https://blog.csdn.net/weixin_42306148/article/details/123364775?spm=1001.2014.3001.5501)
- [P27、28、29 完整的模型套路](https://blog.csdn.net/weixin_42306148/article/details/123364846?spm=1001.2014.3001.5501)
- [P30 GPU加速](https://blog.csdn.net/weixin_42306148/article/details/123364938?spm=1001.2014.3001.5501)
- [P31 GPU加速_2](https://blog.csdn.net/weixin_42306148/article/details/123364998?spm=1001.2014.3001.5501)
- [P32 完整的模型验证套路](https://blog.csdn.net/weixin_42306148/article/details/123365042?spm=1001.2014.3001.5501)
- [P33 github的使用](https://blog.csdn.net/weixin_42306148/article/details/123365062?spm=1001.2014.3001.5501)