PyTorch深度学习入门笔记（四）TensorBoard的使用

课程学习笔记，课程链接
学习笔记同步发布在我的个人网站上，欢迎来访查看。

首先安装TensorBoard:

pip install tensorboard

一、TensorBoard

1.1 SummaryWriter

from torch.utils.tensorboard import SummaryWriter

从函数介绍可知：这个类主要是将事件文件写入 log_dir文件夹，可以被TensorBoard解析。
要用到其成员函数 add_scalar()

def add_scalar(
        self,
        tag,
        scalar_value,
        global_step=None,
        walltime=None,
        new_style=False,
        double_precision=False,
    )

1. tag: 图表的 title
   

2. scalar_value：保存的数值，即对应y轴

3. global_step： 步长，即对应x轴

尝试一下：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

# writer.add_image()
for i in range(100):
    writer.add_scalar("y=x", i, i)
writer.close()

结果：
在工程所在目录生成了 logs文件夹，并生成了事件文件。

再在pycharm里的终端输入

tensorboard --logdir=logs

查看事件文件

点击最后的链接即可看到图表了

可通过参数 --port=xx 指定端口，以防止端口冲突（多用户使用同一服务器进行训练时）

tensorboard --logdir=logs --port=6007

注：

• 这个命令会打开 logdir文件夹下的所有事件文件。
• 图表以 tag 作为区分，可向一个 tag多次写入数据，会自动进行拟合。

1.2 add_image()

首先下载一下测试数据集，链接：
https://pan.baidu.com/s/1jZoTmoFzaTLWh4lKBHVbEA 密码: 5suq
下载好后解压重命名为 testdata，放到工程目录下：

再使用成员函数 add_image()

可以看到使用此函数所需要提供的参数，这里注意，img_tensor是图像数据，对其数据类型有所要求，必须是torch.Tensor、numpy.array或者字符串。
这里可以利用 PIL.image.open() 函数读取图片，然后用 numpy.array()对PIL图片进行数据类型转换。

测试代码：

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

writer = SummaryWriter("logs")
image_path = "testdata/train/ants_image/0013035.jpg"
img = Image.open(image_path)
img_array = np.array(img)

writer.add_image("test", img_array,1, dataformats='HWC')

for i in range(100):
    writer.add_scalar("y=3x", 5*i, 2*i)
writer.close()

执行后，并打开TensorBoard，点击IMAGES，可以看到添加的图片：

可以通过修改step来显示每一步的输入图片数据：