PyTorch深度学习（2）Tensor-board

命令行记录：

pip install tensorboard                           安装tensorboard （x轴步长,y轴值）
tensorboard --logdir=logs                      事件文件所在文件夹名称
tensorboard --logdir=logs --port=6007  修改端口为6007

pytorch从1.2.0开始支持tensorboard，是可视化工具

1、安装

可在pycharm 的 Terminal 环境中直接执行命令 pip install tensorboard

或  在Anaconda Prompt中先切换环境 conda activate pytorch，再 pip install tensorboard

2、导包

from torch.utils.tensorboard import SummaryWriter

从torch的tensorboard工具包中导入 SummaryWriter

SummaryWriter可以绘制表格及显示图片

3、创建SummaryWriter(保存目录地址)

writer = SummaryWriter("logs")

    执行的可视化数据存储在保存目录文件夹中

4、显示图片与表格

writer.add_image()  参数为  图片类型, np.array or string/blobname , 步长, data formats数据格式 高H 宽W 通道C

writer.add_scalar()  参数为  公式,  步长,  值

其中 global_step 对应 x轴  步长

        scalar_step 对应 y轴  值

5、运行可视化

在terminal 中 输入> tensorboard --logdir=logs    logdir为事件文件所在文件夹名称

                             > tensorboard --logdir=logs --port=6007     更改端口号

点开谷歌浏览器等，输入http://localhost:端口号/即可查看

最后右键运行当前python文件 或 ctrl+shift+F10运行文件

注：当多次运行时，出现表格中线混乱时，可将logs中的数据清除，重新运行即可

6、详细代码如下

# TensorBoard
from torch.utils.tensorboard import SummaryWriter

import numpy as np
from PIL import Image
import os

writer = SummaryWriter("logs")
# writer.add_image()  图片类型,np.array,步长,data formats数据格式 高宽通道
img_path = "train/ants/0013035.jpg"
img_PIL = Image.open(img_path)
img_arr = np.array(img_PIL)
writer.add_image("test", img_arr, 1, dataformats='HWC')

# writer.add_scalar()  公式,步长,值
# global_step 对应 x轴  步长
# scalar_step 对应 y轴  值
# y = 2x
# for i in range(100):
#     writer.add_scalar("y=2x", 2 * i, i)

writer.close()

标签：Tensor,img,SummaryWriter,writer,PyTorch,步长,board,tensorboard,logs
来源： https://blog.csdn.net/jiangyangll/article/details/120688700