前提
文章目录
【PyTorch】深度学习PyTorch环境配置及安装【详细清晰】
【PyTorch】深度学习PyTorch加载数据
文章目录
- ``前提``文章目录
- SummaryWriter使用
- add_image()的使用(常用来观察训练结果)
- 利用Tensorboard观察图片
SummaryWriter使用
from torch.utils.tensorboard import SummaryWriter# 生成tensorboard的一些事件文件
writer = SummaryWriter("logs")
# writer.add_image()
# y=x
for i in range(100): # i是从0到99writer.add_scalar("y=x", i, i)
writer.close()
打开事件文件
logdir=事件文件所在文件夹名
命令:tensorboard --logdir=logs
出现的蓝色地址是tensorboard的所在地址,6006是默认端口,如果几台服务器同时训练会有所冲突,可以更改端口
更改端口命令:tensorboard --logdir=logs --port=6007
,如下图:
点击蓝色网址进入,出现网址如下图:
值:
当出现混在一起的线条值
,可以删除事件文件,重新运行
add_image()的使用(常用来观察训练结果)
点击查看源码,发现图片参数接受的类型为下图:
利用Tensorboard观察图片
from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image# 生成tensorboard的一些事件文件
writer = SummaryWriter("logs")
# image_path = "data/train/ants_image/0013035.jpg"
# image_path = "data/train/bees_image/16838648_415acd9e3f.jpg"
image_path = "data/train/ants_image/5650366_e22b7e1065.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL) # 将PIL格式的图片转换为numpy格式
print(type(img_array)) # <class 'numpy.ndarray'>
print(img_array.shape) # (375, 500, 3) 可以看到375是高 500是宽 3是3个颜色通道 颜色通道在后面# writer.add_image("test", img_array, 1, dataformats='HWC')#颜色通道在后面 所以用dataformats='HWC'
# writer.add_image("test", img_array, 2, dataformats='HWC')
writer.add_image("train", img_array, 1, dataformats='HWC')
# y=x
for i in range(100): # i是从0到99writer.add_scalar("y=2x", 2 * i, i)
writer.close()