图像识别技术与应用第九课

一、torchvision
torchvision包括model、datasets、transforms、utils。
 
（一）transforms
transforms提供了对PIL Image对象和Tensor对象的常用操作。 
（1）对PIL Image的常见操作如下。

• Scale/Resize：调整尺寸，长宽比保持不变。
• CenterCrop、RandomCrop、RandomSizedCrop：裁剪图像
• Pad：填充。
• ToTensor：把一个取值范围是[0,255]的PIL.Image转换成Tensor
• RandomHorizontalFlip：图像随机水平翻转
• RandomVerticalFlip：图像随机垂直翻转。
• ColorJitter：修改亮度、对比度和饱和度。

（2）对Tensor的常见操作如下。

• Normalize：标准化，即减均值，除以标准差。
• ToPILImage：将Tensor转为PIL Image。

如果要对数据集进行多个操作，可通过Compose将这些操作像管道一样拼接起来，类似于nn.Sequential。
 
（二）ImageFolder
ImageFolder可以读取不同目录下的图像数据。
 
二、可视化工具
 

（一）TensorBoard简介
使用TensorBoard的一般步骤如下。
（1）导入tensorboard，实例化SummaryWriter类，指明记录日志路径等信息。
from torch.utils.tensorboard import SummaryWriter
#实例化SummaryWriter，并指明日志存放路径。在当前目录没有logs目录将自动创建。
writer = SummaryWriter(log_dir='logs')
#调用实例
writer.add_xxx()
#关闭writer
writer.close()
（2）调用相应的API接口，接口一般格式为：
add_xxx(tag-name, object, iteration-number)
#即add_xxx(标签，记录的对象，迭代次数)
其中，xxx指的是各种可视化方法。
（3）启动tensorboard服务。cd到logs目录所在的同级目录，在命令行输入如下命令，logdir等式右边可以是相对路径或绝对路径。
tensorboard --logdir=logs --port 6006   
#如果是windows环境，要注意路径解析，如
#tensorboard --logdir=r'D:\myboard\test\logs' --port 6006
（4）Web展示。在浏览器输入：
http://服务器IP或名称:6006  #如果是本机，服务器名称可以使用localhost

（5）各种可视化方法如下表所示。

• Scalar：用于可视化单一数值，例如损失值、准确率等随训练过程的变化。
• Image：用于可视化图像数据。
• Figure：用于可视化图形或复杂的图表
• Histogram：用于可视化数据的分布
• Audio：用于可视化音频数据
• Text：用于可视化文本数据，例如模型生成的文本或训练日志。
• Graph：用于可视化计算图结构
• ONNX Graph：用于可视化 ONNX 模型的计算图结构。ONNX 是开放神经网络交换格式。
• Embedding：用于可视化高维数据的低维表示。例如，t-SNE 或 PCA 降维后的词向量或特征。
• PR Curve：用于可视化精确度-召回率曲线
• Video Summaries：用于可视化视频数据

（二）用TensorBoard可视化神经网络
  

（三）用TensorBoard可视化损失值
 
运行结果：
 
（四）用TensorBoard可视化特征图
  

运行结果：