温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Pytorch怎么用Tensorboard来观察数据

发布时间:2021-12-27 10:08:28 来源:亿速云 阅读:147 作者:小新 栏目:开发技术

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。

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:

Pytorch怎么用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_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

Pytorch怎么用Tensorboard来观察数据

Pytorch怎么用Tensorboard来观察数据

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!

向AI问一下细节

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。

AI