Pytorch学习笔记（二）---tensorboard
小土堆
小土堆
本篇学习笔记来源于B站UPER发布的《PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆
- 首先是tensorboard的安装
可以在pytorch下方选择Terminal
然后执行下述语句，即可安装成功
pip install tensorboard- 然后是引入该packagea
from torch.utils.tensorboard import SummaryWriter- 创建一个实例
writer = SummaryWriter("logs") #logs是设置的存放目录- 该类主要有两个常用方法，首先介绍add_scalar()方法：
此方法的标准说明（通过按下Ctrl键并点击此方法即可导航至其标准说明）则会显示其详细信息。
其中tag表示输出的标题，scalar_value代表y轴，global_step代表x轴。
例如下面代码，为在tensorboard上展示y=x的部分:
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('logs')
for i in range(50):
writer.add_scalar('y=x',i,i)
writer.close()- 展示结果
当前所述结果已存于logs文件夹中；通过Terminal命令行运行所述指令，默认使用6006端口，则可观察到结果。
tensorboard --logdir=logs"'logs'" (choose from 'serve', 'dev')
在E:\pythonproject\learn_torch目录下运行以下命令启动TensorBoard：bash tensorboard --logdir=logs 安装过程中发现缺少一些高级功能，请通过代理服务器或启用--bind_all选项来使其可见于网络。请访问http://localhost:6006查看详细信息（按Ctrl+C退出）
--port可以指定端口
tensorboard --logdir=logs --port=6007
- 第二个方法为展示图片的方法add_image()
首先看一下该函数的官方解释：
在处理过程中需要注意的是参数img_tensor。该参数要求输入的img可以是torch.Tensor、numpy.array或string类型。通常使用Image.open()读取的图片属于PIL类型，并因此需要将PIL类型的图片转换为适合该参数的要求。此外还需要指定图像的形状（shape），可以通过dataformats设置为'HWC'形式。global_step则表示当前处理的具体步骤，并如果不更换标签（tag），则可以观察到图像处理过程中的变化情况。
例子如下：
from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer = SummaryWriter('logs')
img_path = 'dataset/data2/train/bees_image/21399619_3e61e5bb6f.jpg'
img_PIL = Image.open(img_path)
img_np = np.array(img_PIL)
print(type(img_np))
print(img_np.shape)
writer.add_image('bees',img_np,2,dataformats='HWC')
writer.close()下面为结果展示：
小土堆
小土堆
小土堆