前言

这节学习Tensorboard的使用

Tensorboad 可以用来查看loss是否按照我们预想的变化，或者查看训练到某一步输出的图像是什么样。

安装Tensorboard包

pip install tensorboard

Tensorboard 写日志

调用SummaryWriter包用来写函数

from torch.utils.tensorboard import SummaryWriter

创建名为logs的日志文件

writer = SummaryWriter("logs")

运行一个0-99范围的y=x函数

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

记得写close，不然会出错

writer.close()

生成如下

完整代码

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

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

Tensorboard 读日志

接下来是如何打开log文件

在终端中输入命令

tensorboard --logdir=logs

会在尾行给出链接（CTRL+C为终止当前操作）

ctrl＋单击 打开链接则跳转到如下可交互的可视化界面

为避免多人使用端口导致冲突，也可以在后面加上后缀，使得端口独立，如使用 tensorboard --logdir=logs --port=6007 命令将端口号改为6007，或自定义你需要的端口号

Tensorboard 读图像

直接使用路径加载数据

img_path1 = "dataset/train/ants_image/0013035.jpg" 
img_PIL1 = Image.open(img_path1)

使用numpy.array对PIL型图片转换为numpy型

img_array1 = np.array(img_PIL1)

在日志中展示图片

writer.add_image("test",img_array1,1,dataformats="HWC")

1 表示图片在第一步，即step为1；HWC表示图片的shape，即高度、宽度、通道数；

从PIL到numpy，需要在add_image()中指定shape中每一个数字/维表示的含义。

再在终端中运行之前的tensorboard --logdir=logs命令或直接刷新网页可得到图像显示

 

没有变化的可以删除logs文件，再重新运行生成

完整代码

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

img_path1 = "dataset/train/ants_image/0013035.jpg" 
img_PIL1 = Image.open(img_path1)
img_array1 = np.array(img_PIL1)

img_path2 = "dataset/train/bees_image/17209602_fe5a5a746f.jpg" 
img_PIL2 = Image.open(img_path2)
img_array2 = np.array(img_PIL2)

writer = SummaryWriter("logs") 
writer.add_image("test",img_array1,1,dataformats="HWC")
writer.add_image("test",img_array2,2,dataformats="HWC")                   
writer.close()