pytorch学习笔记--tensorboard和transform的使用

tensorboard和transform的使用

  • 一、tensorboard
  • 二、transform的使用

本文为学习笔记,感谢PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】

一、tensorboard

tensorboard是一种可视化工具,可以但不仅限于图片显示和函数显示。
一般是from torch.utils.tensorboard import SummaryWriter,但是如果tensorboard有问题可以使用from tensorboardX import SummaryWriter

# from torch.utils.tensorboard import SummaryWriter
from tensorboardX import SummaryWriter #SummaryWriter相当于一个容器
from PIL import Image #操作PIL格式图片的库
import numpy as np

#规定创建logs文件夹路径,所有生成的事件文件都存在里面
writer  = SummaryWriter('logs') 

#图片路径
img_path = 'F:\python_project\deep_learning\\train\\ants_image\\0013035.jpg'
#打开图片
img = Image.open(img_path)
#将图片转换为numpy.arraynp格式
img_array = np.array(img)

#写入图片的方法add_image
#此处参数分别为(标题名,图片,step,通道顺序)
writer.add_image('ants',img_array,1,dataformats='HWC')

#写入标量的方法add_scalar
for i in range(50):
	writer.add_scalar('y=2x',2*i,i)
	
#结束边界
writer.close()

总结:
1、writer = SummaryWriter('logs')创建容器
2、add_image、add_scalar加入数据
3、writer.close()终止边界
4、运行后在logs目录下会有event事件文件,在终端用tensorboard --logdir=logs命令运行,打开端口就可看到可视化

二、transform的使用

transform是用于改变图形工具,此处主要介绍transforms.ToTensor(),transforms.Normalize(),transforms.Resize(),transforms.Compose(),transforms.RandomCrop()

tips:tensorboard中SummaryWriter.add_image()函数只能接受tensor或numpy.nparray类型的图片,PIL不接受

from tensorboardX import SummaryWriter
from torchvision import transforms
from PIL import Image


writer = SummaryWriter('logs\\1')

img_path = 'F:\python_project\deep_learning\\0013035.jpg'
img = Image.open(img_path)

#Totensor将PIL转变为tensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img) #PIL -> tensor
writer.add_image('ToTensor',img_tensor,1)

#Normalize正规化
mean,std= [0.5,0.5,0.5],[0.5,0.5,0.5]
#参数是mean和std,RGB3通道就要传入3个mean和std
trans_norm = transforms.Normalize(mean,std)
img_norm = trans_norm(img_tensor)
writer.add_image('Normalize',img_norm,2)

#Resize重定义尺寸
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img)
#PIL->tensor
img_resize = trans_totensor(img_resize)
writer.add_image('Resize512*512',img_resize,3)

#Compose转换合并
trans_resize2 = transforms.Resize((512,512))
trans_Compose = transforms.Compose([trans_resize2,trans_totensor])
img_Compose = trans_Compose(img)
writer.add_image('compose',img_Compose,4)

#RandomCrop随机裁剪
trans_randomcrop = transforms.RandomCrop((200,200))
trans_Compose2 = transforms.Compose([trans_randomcrop,trans_totensor])
for i in range(5,10):
	img_crop = trans_Compose2(img)
	writer.add_image('img_crop',img_crop,i)

writer.close()

效果
pytorch学习笔记--tensorboard和transform的使用_第1张图片

pytorch学习笔记--tensorboard和transform的使用_第2张图片
pytorch学习笔记--tensorboard和transform的使用_第3张图片
pytorch学习笔记--tensorboard和transform的使用_第4张图片
pytorch学习笔记--tensorboard和transform的使用_第5张图片
pytorch学习笔记--tensorboard和transform的使用_第6张图片
pytorch学习笔记--tensorboard和transform的使用_第7张图片

你可能感兴趣的:(深度学习,pytorch,深度学习)