PyTorch中的TensorBoard

本文介绍了如何使用PIL和TensorFlow的SummaryWriter将图像转换为张量,并通过TensorBoard展示数据。步骤包括使用ToTensor转换、添加图像和标量数据,最后演示了如何在TensorBoard中查看结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

from tensorboardX import SummaryWriter
import numpy as np
from PIL import Image
#创建类的实例
writer = SummaryWriter("logs")#这个文件夹底下          
image_path = "dataset//train//ants//0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)


#两个方法
# writer.add_image()
# writer.add_scalar()      

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


#y=2x
for i in range(100):
    writer.add_scalar("y=2x",i*2,i)
       
                    #查看图像
writer.close()      #tensorboard --logdir=E:\notebookpytorch\pyTorch学习\TensorBoard\logs
image_path = "dataset//train//ants//0013035.jpg"

from PIL import Image
img = Image.open(image_path)
print(type(img))  #图片类型为PIL类型

#转化图片类型
import numpy as np
img_array = np.array(img)
print(type(img_array))    #图片类型为numpy类型
from torchvision import transforms
from PIL import Image
import cv2
from torch.utilstransboard import SummaryWriter
#python的用法-》tensor 数据类型
#通过transforms.ToTensor去看两个问题
#1.transforms该如何使用
#2.为什么我们需要Tensor数据类型

#绝对路径:E:\notebookpytorch\pyTorch学习\TensorBoard\dataset\train\ants\0013035.jpg
#相对路径:dataset/train/ants/0013035.jpg

img_path = "dataset/train/ants/0013035.jpg"
img = Image.open(img_path)
#print(img)  #可以看一下图片的类型

writer = SummaryWriter("logs")

#将图片类型转换为tensor类型
tensor_trans = transforms.ToTensor()    #1.transforms该如何使用
tensor_img = tensor_trans(img)          #先进行创建,需要什么创建什么工具transforms.ToTensor
#print(tensor_img)



writer.add_image("Tensor_img",tensor_img)
writer.close()

#在黑框框运行 tensorboard --logdir=logs 查看图片  或者tensorboard --logdir=E:\notebookpytorch\pyTorch学习\TensorBoard\logs

PyTorch中使用TensorBoard可视化训练过程中的数据时,有时可能会遇到无法显示数据的问题。这可能是由于以下几个原因: 1. **未正确配置TensorBoard**: 确保你在训练过程中使用`torch.utils.tensorboard.writer.SummaryWriter()`创建了 SummaryWriter 实例,并在每个epoch结束后更新记录。 ```python writer = SummaryWriter(log_dir='runs/my_log') # 创建一个SummaryWriter实例 for epoch in range(num_epochs): train(...) validate(...) writer.add_scalar('Loss/train', loss, epoch) # 添加训练损失到TensorBoard writer.close() # 训练结束后关闭writer ``` 2. **文件路径错误**: 检查`log_dir`参数是否指向正确的TensorBoard日志目录,确认该路径存在并且有写入权限。 3. **TensorBoard服务未启动**: 如果在终端运行了TensorBoard,确保它已经连接到了你的项目文件夹,你可以通过命令`tensorboard --logdir runs`启动TensorBoard并指定日志目录。 4. **网络问题**: 如果你的机器上没有安装TensorBoard,或者网络连接不稳定,也可能会导致无法查看实时更新的数据。请确保已正确安装并检查网络状况。 5. **新版本兼容性问题**: 新版的PyTorch或TensorFlow可能需要额外的步骤才能在TensorBoard中看到数据。查阅官方文档以确认是否有针对新版本的特定设置或教程。 如果你仍然遇到问题,可以尝试清除旧的日志文件、重启TensorBoard服务,或者在GitHub上查找类似问题的解决方案。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值