Pytorch学习笔记——TensorBoard的初使用

1、TensorBoard介绍

TensorBoard是TensorFlow的可视化工具，但它也可以与PyTorch结合使用。TensorBoard提供了一个Web界面，可以展示你训练过程中的各种信息，如损失值、准确度、权重分布等，更好地帮助开发者理解和调试模型。

TensorBoard | TensorFlow (google.cn)https://tensorflow.google.cn/tensorboard?hl=zh-cn

2、导入相关包

安装Tensor包

pip install tensorboard

导入TensorBoard相关包，要导入SummaryWriter模块

import torch
from torch.utils.tensorboard import SummaryWriter

3、创建SummaryWriter对象

#创建一个SummaryWriter对象，指定TensorBoard将保存数据的目录
#默认为与此.py文件的同级目录
writer = SummaryWriter("logs")

4、添加数据

添加数据的方法很多，add_scalar、add_histogram、add_image，这些方法都可以，我这里以添加一张图片为例，要用到Image模块，这个模块在PIL下面，需要进行导包操作

from PIL import Image

我们利用open函数打开图片，接收一个PIL的Image对象

#指定图片路径
image_path = "data/train/ants_image/5650366_e22b7e1065.jpg"
#生成图片对象
img_PIL = Image.open(image_path)

此时，我们并不能直接将图片传进add_image方法中，这是因为在add_image中，图片对象是以一种张量或ndarray之类的形式（张量你可以理解为向量，ndarray其实是矩阵）传入进去的，所以在这之前，需要对图片进行类别的转换：

# 转成ndarray
import numpy as np
# 格式转换
img_array = np.array(img_PIL)

图片类型转换为ndarray格式，转换前与转换后的格式如下：

就可以调用add_image这个方法，向TensorBoard中添加图片数据

writer.add_image("test",img_array,0,dataformats="HWC")

参数含义：

test: 这是这个图像数据的标签名，它将作为图像在TensorBoard界面上显示的名称。

img_array: 这是要添加到TensorBoard的图像数据。

0: 这是这个图像数据的全局步数（global step）。在训练过程中，这个步数通常对应于当前的迭代次数或epoch数。TensorBoard会使用这个步数来在Web界面上组织数据，这样你就可以看到不同步数下图像的变化情况。

dataformats="HWC": 这是一个可选参数，指定了img_array的数据格式。HWC代表"Height, Width, Channels"，这是OpenCV等库常用的图像数据格式。如果你使用的是其他库（如PIL或matplotlib），可能需要使用dataformats="CHW"，即"Channels, Height, Width"。确保TensorBoard能够正确地解析和显示图像。

5、关闭对象

writer.close()

6、运行

在终端输入以下命令：

tensorboard --logdir="logs"

logdir指定保存数据的目录

之后就可以打开界面查看，以Pycharm为例，运行命令后点击这里

即可看到TensorBoard面板

总体代码如下：

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as npwriter = SummaryWriter("logs")
image_path = "data/train/ants_image/5650366_e22b7e1065.jpg"
img_PIL = Image.open(image_path)
print(type(img_PIL))
img_array = np.array(img_PIL)
print(type(img_array))writer.add_image("test",img_array,0,dataformats="HWC")
writer.close()