Pytorch用Tensorboard来观察数据

目录

• 1.Tensorboard
• 1.使用add_scalar()输入代码
• 2.使用add_image()输入代码

上一章讲数据的处理，这一章讲数据处理之后呈现的结果，即你有可能看到Loss的走向等，这样方便我们调试代码。

1.Tensorboard

有两个常用的方法：

• 一个是add_scalar()显：示曲线
• 一个是add_image()显示图像

首先安装Tensorboard

在你的编译环境（conda activate XXX）中输入命令

pip install tensorboard

1.使用add_scalar()输入代码

from torch.utils.tensorboard import SummaryWriter #调包

writer = SummaryWriter(\'logs\') # 这里你创建了一个logs的文件装你的add_scalar生成的曲线，
#其中writer.add_scalar（）第一个量是曲线的名字， 
#第二个量是纵坐标scalar_value,第三个量是横坐标global_step（也可以理解为损失值得步长）
for i in range(100):
    writer.add_scalar(\"quadratic\", i ** 2, i)

writer.close()

打开这个Tensorboard文件

tensorboard --logdir=logs
#1.这个logdir的文件名必须要与之前所创建的文件名一致，不然很容易报错，No dashboards are active for the current data set.
#2.这个tensorboard输入的命令，必须是在logs文件的上一层文件中，不然也很容易报错，No dashboards are active for the current data set.

结果现实：

2.使用add_image()输入代码

注意：add_image()中函数一般有三个量:
第一个是图像的名字，第二个是图像(必须是tensor或者numpy.ndarray)，第三个是步长（可理解为训练或者测试阶段到哪幅图像了）；
其中，图像的shape必须是CHW，但是有opencv读取的图像shape是HWC,
所以得使用dataformats转换以下将图像的shape转换为HWC

下面的代码测试了两张图（一张是来自aligned的图像，一张是来自original的图像）用来模拟训练或者测试阶段程序运行到哪张图

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\') #此图已经在我第一次测试add_image()用过了
writer.add_image(\"img\", original_img, 2, dataformats=\'HWC\')#此图是我在第二个测试
writer.close()

实现结果：

tensorboard中出现了IMAGES，并且step1是aligned的图，而step2是original的图