TensorBoard与torchvision图像变换实战指南

TensorBoard 基础与 torchvision 图像变换工具详解

TensorBoard 简介

TensorBoard 是 TensorFlow 提供的可视化工具，用于跟踪模型训练过程中的指标（如损失、准确率）、可视化模型结构、分析计算图等。PyTorch 通过 tensorboardX 或原生 torch.utils.tensorboard 支持与 TensorBoard 的集成。

关键功能包括：

• 标量可视化：记录训练/验证损失、准确率等指标。
• 计算图可视化：展示模型的计算流程。
• 直方图：监控权重或梯度的分布变化。
• 图像展示：可视化输入数据或生成样本。

TensorBoard 安装与基础用法

安装 TensorBoard 和 PyTorch 集成库：

pip install tensorboard torch torchvision

初始化 SummaryWriter 并记录标量数据：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("runs/experiment_1")  # 日志保存路径
for epoch in range(100):
    loss = 0.1 * (100 - epoch)  # 模拟损失下降
    writer.add_scalar("Training Loss", loss, epoch)  # 记录损失
writer.close()  # 关闭写入器

启动 TensorBoard 服务：

tensorboard --logdir=runs

访问 http://localhost:6006 查看可视化结果。

---

torchvision 图像变换工具详解

torchvision.transforms 提供了一系列图像预处理和数据增强方法，常用于计算机视觉任务的数据准备。

常见变换操作

1. 尺寸调整与裁剪

   from torchvision import transforms
   
   transform = transforms.Compose([
       transforms.Resize(256),          # 调整图像短边为256
       transforms.CenterCrop(224),      # 中心裁剪为224x224
   ])
   

2. 数据增强

   transform = transforms.Compose([
       transforms.RandomHorizontalFlip(),  # 随机水平翻转
       transforms.RandomRotation(30