【PyTorch】TensorBoard基本使用

一、Tensorboard基本使用

Tensorboard为是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。

PyTorch也推出了自己的可视化工具，叫做torch.utils.tensorboard。

学习本节内容必须提前准备好PyTorch(推荐GPU版)环境，后续也会推出PyTorch安装(Conda环境)。

1、SummaryWriter类使用

from torch.utils.tensorboard import SummaryWriter # 导入
1

按下 Ctrl键，点击蓝色字体，可以查看该类所在函数描述。

还有具体方法、例子的描述，不做过多赘述！

2、安装TensorBoard

conda环境：

# 1.激活conda环境
conda activate torch # torch为自己的虚拟环境
# 2.下载并安装
conda install tensorboard
1
2
3
4

pip环境：

pip install tensorboard
# 嫌慢，可以加国内源
pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3

3、add_scalar()方法

函数原型：

def add_scalar(self,
               tag: str, 
               scalar_value: Any,
               global_step: int = None,
               walltime: float = None,
               new_style: bool = False,
               double_precision: bool = False) -> None
1
2
3
4
5
6
7

参数说明：

• tag：类似于图标的title
• scalar_value：数值，即Y轴
• global_step：多少步，即X轴

实例1：绘制 y = x

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

for i in range(100):
    writer.add_scalar("y = x", i, i)

writer.close()
1
2
3
4
5
6
7
8

打开事件文件：

成功运行后，即可打开http://localhost:6006/；当然也可以更换端口：添加--port=6007

实例2：绘制 y = 2x

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

for i in range(100):
    writer.add_scalar("y = 2x", 2*i, i)

writer.close()
1
2
3
4
5
6
7
8

实例2：绘制 y = 3x（当我们未修改title时）

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("logs")

for i in range(100):
    writer.add_scalar("y = 2x", 3*i, i) # tille未作修改

writer.close()
1
2
3
4
5
6
7
8

会出现拟合，我们可以通过删除事件文件之后，重新打开Tensorboard。

4、add_image()方法

函数原型：

def add_image(self,
              tag: str,
              img_tensor: Any,
              global_step: int = None,
              walltime: float = None,
              dataformats: str = "CHW") -> None
1
2
3
4
5
6

参数说明：

• tag：图像title
• img_tensor：图像的数据类型（torch.Tensor， numpy.array，or string/blobname）
• global_step：训练的步骤

4.1 img_tensor的说明

参数 img_tensor 为图像的数据类型，指定了三种数据类型，但在实际情况中，往往并不是理想的这三种，以下介绍如何转换：

数据集请评论或直接私信我，后续也会贴出链接！！！

利用numpy.array()，对PIL图像进行转换：

4.2 dataformats的说明

当我们准备好实例执行时，会报出如下错误：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image

writer = SummaryWriter("logs")
image_path = "../data/tensorboard_data/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)

writer.add_image("test", img_array, 1)

writer.close()
1
2
3
4
5
6
7
8
9
10
11
12

说明问题出在如下代码中：

writer.add_image("test", img_array, 1)
1

查看函数介绍发现：默认为（通道，高度，宽度），如果为 （高度，宽度，通道），需要添加参数 dataformats='HWC'

查看实例中图像的shape：

print(img_array.shape) # (512, 768, 3)
1

则需要添加参数：

writer.add_image("test", img_array, 1, dataformats='HWC') # 即可成功运行
1

4.3 滑动显示

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image

writer = SummaryWriter("logs")
# image_path = "../data/tensorboard_data/train/ants_image/0013035.jpg" # 1
image_path = "../data/tensorboard_data/train/bees_image/16838648_415acd9e3f.jpg"  # 2
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(img_array.shape)

# writer.add_image("test", img_array, 1, dataformats='HWC') #1
writer.add_image("test", img_array, 1, dataformats='HWC')  # 2

writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15