PyTorch之TensorBoard使用

接回上一篇：PyTorch深度学习框架-CSDN博客在学习这篇之前建议先按照上一篇搭建好整个PyTorch环境

然后这一篇讲怎么用TensorBoard，这个玩意是Tensorflow官方推出的一个可视化工具，当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，并希望能在训练的过程中将一些信息加以记录并可视化得表现出来，TensorBoard就能做到。

1、首先安装tensorboard的依赖包

如果我们没有这个包，就会运行tensorboard的代码就会报错，所以首先要先引入这个包【tensorboard】

你可以选择直接在设置、Python解释器那里搜索、点击安装

或者命令行输入【pip install tensorboard】，都可以

这里遇到这种报错的，可以去网上找一下相关的资料

；

好像是因为这个原因

如果还是有错，可能是一下问题：

根据你们的情况可以照着都试试，反正我是都试完了，然后重启了一下PyCharm......就正常能运行了

2、写一个函数图表

搞定tensorboard包安装之后，就开始写个代码试试

1、导包

python">from torch.utils.tensorboard import SummaryWriter

2、创建SummaryWriter这个工具的实例化对象

其中传入一个字符串参数，代表生成的图表文件放到哪个目录下

python"># 实例化这个SummaryWriter包的对象，用它可以创建函数图
writer = SummaryWriter("logs") # 表示生成的函数图文件放到一个叫logs的目录下

3、使用SummaryWriter的实例化对象的【.add_scalar( )】函数生成图表

要传三个参数，第一个是函数式（正式名称叫【tag】），第二个是x轴增量变量，第三个参数是y轴的增量变量

这个函数还需要依赖循环，就是为了让x、y轴从0到指定范围增长，以显示函数式的变化

python">for i in range(100):# 这个函数就是生成图表，第一个是对应函数图的名称以及函数式，第二个参数是x递增变量，第三个是ywriter.add_scalar("y=x", i, i)

4、关闭

python">writer.close()

完整

python">from torch.utils.tensorboard import SummaryWriter# 实例化这个SummaryWriter包的对象，用它可以创建函数图
writer = SummaryWriter("logs") # 表示生成的函数图文件放到一个叫logs的文件for i in range(100):# 这个函数就是生成图表，第一个是对应函数图的名称以及函数式，第二个参数是x递增变量，第三个是ywriter.add_scalar("y=x", i, i)writer.close()

5、打开图表文件

点击运行了刚刚的代码之后，就会多出一个叫logs的目录，目录下的文件就是生成的图表

然后打开命令行，输入【tensorboard --logdir=事件文件所在文件夹名】

然后又出幺蛾子

解决

如果端口冲突了，也可以自己设置指定的端口

然后点击链接就能看到图表了

最后，如果同一个函数式（正式名称叫【tag】）的图表，这个“函数式”字符串是用于标识图像的名称或类别。在TensorBoard中，相同【tag】的图像会被分组在一起，并在同一个面板中显示。

如果在同一个【tag】图表上让x或y有不同的增量，那么就会导致合并到一个表，很乱

解决：创建一个新的子文件夹，把两个图表分开显示

3、获取识别一下图片

1、首先导包，需要用到三个包

tensorboard的SummaryWrite包，用来生成tensorboard图表
python">from torch.utils.tensorboard import SummaryWriter
numpy包，numpy数组是一种用于存储数值数据的强大数据结构，可以用于各种数学和科学计算，可以用来存图片资源
python">import numpy as np
PIL库的Image包可以根据路径获取解析图片资源
python">from PIL import Image

2、获取到图片资源，装入numpy数组

先用Image根据图片路径获取图片

python">image_path = "dataset/train/ants/0013035.jpg"
img_PIL = Image.open(image_path)

然后此时图片的类型不是我们要的类型，要转化成numpy类型

python">img_array = np.array(img_PIL)

然后创建tensorboard的SummaryWrite的实例化对象，将转化成numpy数据的图片数据用【.add_image( )】函数生成tensorboard图像文件，别忘了关闭

【.add_image( )】需要传4个参数：

第1个：【tag】一个字符串，用于标识图像的名称或类别。在TensorBoard中，相同tag的图像会被分组在一起，并在同一个面板中显示。

；

第2个：【img_Tensor】一个张量，表示要添加的图像。在PyTorch中，张量是一种多维数组，可以用于存储图像数据。

；

第3个：【global_step】一个整数，表示当前的全局步骤数。在训练过程中，【global_step】通常表示已经完成的迭代次数。在TensorBoard中，【global_step】用于在图像的时间轴上定位图像。

；

第4个：【dataformate】一个字符串，用于指定图像数据的格式。在PyTorch里通常用【HWC】这种格式（通道-高度-宽度）。

python">writer = SummaryWriter("logs")writer.add_image("test", img_array, 1, dataformats="HWC")writer.close()

完整代码：

python">from torch.utils.tensorboard import SummaryWriter
# 用numpy获取本地资源
import numpy as np
from PIL import Imagewriter = SummaryWriter("logs")
image_path = "dataset/train/ants/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)writer = SummaryWriter("logs")
writer.add_image("test", img_array, 2, dataformats="HWC")writer.close()