这篇文章主要介绍了Pytorch怎么用Tensorboard来观察数据,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
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
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:
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
感谢你能够认真阅读完这篇文章,希望小编分享的“Pytorch怎么用Tensorboard来观察数据”这篇文章对大家有帮助,同时也希望大家多多支持亿速云,关注亿速云行业资讯频道,更多相关知识等着你来学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。