pytorch中tensorboard的add_scalar与add_image

一、add_scalar

add_scalar(tag, scalar_value, global_step=None, )：将我们所需要的数据保存在文件里面供可视化使用
tag（字符串）：保存图的名称
scalar_value（浮点型或字符串）：y轴数据（步数）
global_step（int）：x轴数据

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

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

我们在pycharm的命令行输入tensorboard --logdir=logs

我们默认的终端号是6006，要是一台服务器多人使用，很麻烦，可以指定端口，输入tensorboard --logdir=logs --port=6007

如果我们用writer.add_scalar(‘y=2x’, i * 2, i)和writer.add_scalar('y=2x, i * i, i)
我们不改变图的名字，执行i*i的操作会保存i * 2的操作，并进行拟合，要想只执行i * i，可以删去log文件下的内容。

二、add_image

add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats=‘CHW’):绘制图片，可用于检查模型的输入，监测 feature map 的变化，或是观察 weight。
tag：就是保存图的名称
img_tensor:图片的类型要是torch.Tensor, numpy.array, or string这三种
global_step：第几张图片
dataformats=‘CHW’，默认CHW，tensor是CHW，numpy是HWC

from torch.utils.tensorboard import SummaryWriter
import  numpy as np
from PIL import Image
writer = SummaryWriter("logs")
image_path = "C:/Users/msi/Desktop/20200103_212904.jpg"
image_PIL = Image.open(image_path)
img = np.array(image_PIL)
print(img.shape)
writer.add_image("test", img, 1, dataformats='HWC')

writer.close()

numpy类型是HWC

我们也可以变为tensor类型，引入opencv，opencv读取的类似是numpy型

from torch.utils.tensorboard import SummaryWriter
import cv2
from torchvision import transforms

writer = SummaryWriter("logs")
image = cv2.imread('C:/Users/msi/Desktop/20200103_212904.jpg')
print(image.shape)
tran = transforms.ToTensor()
img_tensor = tran(image)

print(img_tensor.shape)
writer.add_image("test", img_tensor, 1)

writer.close()