Pytorch用Tensorboard來觀察數(shù)據(jù)

更新時間：2022年01月25日 12:57:34 作者：游客26024

這篇文章主要介紹了Pytorch用Tensorboard來觀察數(shù)據(jù)，上一篇文章我們講解了關于Pytorch?Dataset的數(shù)據(jù)處理，這篇我們就來講解觀察數(shù)據(jù)，下面具體相關資料,需要的朋友可以參考一下，希望對你有所幫助

1.Tensorboard

有兩個常用的方法：

一個是add_scalar()顯：示曲線
一個是add_image()顯示圖像

首先安裝Tensorboard

在你的編譯環(huán)境（conda activate XXX）中輸入命令

pip install tensorboard

1.使用add_scalar()輸入代碼

from torch.utils.tensorboard import SummaryWriter #調(diào)包

writer = SummaryWriter('logs') # 這里你創(chuàng)建了一個logs的文件裝你的add_scalar生成的曲線，
#其中writer.add_scalar（）第一個量是曲線的名字， 
#第二個量是縱坐標scalar_value,第三個量是橫坐標global_step（也可以理解為損失值得步長）
for i in range(100):
    writer.add_scalar("quadratic", i ** 2, i)

writer.close()

打開這個Tensorboard文件

tensorboard --logdir=logs
#1.這個logdir的文件名必須要與之前所創(chuàng)建的文件名一致，不然很容易報錯，No dashboards are active for the current data set.
#2.這個tensorboard輸入的命令，必須是在logs文件的上一層文件中，不然也很容易報錯，No dashboards are active for the current data set.

結果現(xiàn)實：

2.使用add_image()輸入代碼

注意：add_image()中函數(shù)一般有三個量:
第一個是圖像的名字，第二個是圖像(必須是tensor或者numpy.ndarray)，第三個是步長（可理解為訓練或者測試階段到哪幅圖像了）；
其中，圖像的shape必須是CHW，但是有opencv讀取的圖像shape是HWC,
所以得使用dataformats轉換以下將圖像的shape轉換為HWC

下面的代碼測試了兩張圖（一張是來自aligned的圖像，一張是來自original的圖像）用來模擬訓練或者測試階段程序運行到哪張圖

from torch.utils.tensorboard import SummaryWriter
import cv2

writer = SummaryWriter('logs')
aligned_img_path = "D:\\data\\basic\\Image\\aligned\\test_0001_aligned.jpg"
original_img_path = "D:\\data\\basic\\Image\\original\\test_0001.jpg"
aligned_img = cv2.imread(aligned_img_path)
original_img = cv2.imread(original_img_path)
print(type(aligned_img)) # numpy
print(aligned_img.shape)
# writer.add_image("img", aligned_img, 1, dataformats='HWC') #此圖已經(jīng)在我第一次測試add_image()用過了
writer.add_image("img", original_img, 2, dataformats='HWC')#此圖是我在第二個測試
writer.close()

實現(xiàn)結果：

tensorboard中出現(xiàn)了IMAGES，并且step1是aligned的圖，而step2是original的圖