开发者

Pytorch用Tensorboard来观察数据

开发者 https://www.devze.com 2022-12-07 11:52 出处:网络 作者: 游客26024
目录1.Tensorboard1.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。
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http://www.cppcns.com个Tensorboard文件

tensorboard --l编程客栈ogdir=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http://www.cppcns.com也很容易报错,No dashboards are active for the current data set.

结果现实:

Pytorch用Tensorboard来观察数据

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_imqbtGJbUg)) # 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

Pytorch用Tensorboard来观察数据

Pytorch用Tensorboard来观察数据

到此这篇qbtGJbU关于Pytorch用Tensorboard来观察数据的文章就介绍到这了,更多相关Pytorch使用Tensorboard内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号