TensorBoard的使用-优快云博客

一、可视化曲线图

1、引入SummaryWriter

from torch.utils.tensorboard import SummaryWriter

2、给SummaryWriter类定义一个对象

writer = SummaryWriter('logs')

‘logs’为默认当前目录下创建一个名为“logs”的文件夹

3、引用SummaryWriter类中add_scalar函数进行作图

for i in range(100):
    writer.add_scalar(tag="y = 2 * x", 
                      scalar_value=i * 3, 
                      global_step=i)

（1） tag=“y = 2 * x” ：所做图的标题；

（2）global_step=i ：全局步长记录，即x轴的值；

（3）scalar_value=i * 3 ：每步对应值，即y轴的值；

（4）这里循环一百次，即x轴值从0到99。

4、关闭对象writer

writer.close()

关闭写入器对象，结束日志的写入操作，确保信息被正确保存下来，同时释放资源并避免潜在的错误发生。

5、完整代码及运行结果展示

完整代码如下：

from torch.utils.tensorboard import SummaryWriter


writer = SummaryWriter('logs')

for i in range(100):
    writer.add_scalar("y = 2 * x", i * 3, i)   # 这里简写

writer.close()

（1）运行代码后在“logs”目录（上面代码所展示目录名字）下会生成一个这样文件：

（2）然后，在终端输入“tensorboard --logdir=logs”命令（这里logs是我用的是相对路径）：

（3）最后，点击蓝色字体部分链接即可进入TensorBoard可视化网页：

二、可视化图片

1、引入所需要的库（torch，PIL，numpy）

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

2、给SummaryWriter类定义一个对象

writer = SummaryWriter('logs')

‘logs’为默认当前目录下创建一个名为“logs”的文件夹。

3、引用SummaryWriter类中add_image函数进行作图

（1）用PIL读取图片

image_path = 'data/0.jpg'
image_PIL = Image.open(image_path)

用PIL工具读取后image_PIL的数据类型为'PIL.JpegImagePlugin.JpegImageFile'。

（2）将数据类型转换为'numpy.ndarray'

image_arr = np.array(image_PIL)

这里必须要转换数据类型为'numpy.ndarray'，后面一步会解释。

（3）用add_image函数添加图像

writer.add_image(tag='test', 
                 img_tensor=image_arr,
                 global_step=0,
                 dataformats='HW')

(a) tag='test' ：标题为test；

(b) img_tensor=image_arr ：话接上步，这里图片数据类型必须为'torch.Tensor', 'numpy.ndarray', or 'string/blobname'，而不能是'PIL.JpegImagePlugin.JpegImageFile'类型，故必须要转化数据类型；

(d) dataformats='HW' ：图像数据的存储格式时有不同的表示方式，其中包括了以通道-高度-宽度（CHW）、高度-宽度-通道（HWC）、高度-宽度（HW）、宽度-高度（WH）等形式；img_tensor 默认的格式是 (3, H, W)，你可以使用 torchvision.utils.make_grid() 将一个张量批次转换为 3xHxW 格式，或者调用 add_images 方法让我们来处理。张量格式也可以是 (1, H, W)、(H, W) 或者 (H, W, 3)，只要相应的 dataformats 参数被传递，比如 CHW、HWC、HW。

4、关闭对象writer

writer.close()

关闭写入器对象，结束日志的写入操作，确保信息被正确保存下来，同时释放资源并避免潜在的错误发生。

5、完整代码及运行结果展示

完整代码如下：

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

writer = SummaryWriter('logs')

image_path = 'data/0.jpg'
image_PIL = Image.open(image_path)
image_arr = np.array(image_PIL)
writer.add_image('test', image_arr, 0, dataformats='HW')

writer.close()

运行结果：

三、使用例子

代码

import random
import torchvision
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

# 读取数据集，转化为tensor类型
dataset_transform = transforms.Compose([transforms.ToTensor()])

train_set = torchvision.datasets.FashionMNIST(root='data_1',
                                              train=True,
                                              download=True,
                                              transform=dataset_transform)

# 挑选每个类别的90张图片
selected_images = []
for class_id in range(10):
    class_images = [img for img, label in train_set if label == class_id]
    selected_class_images = random.sample(class_images, 90)    # 随机选取90个
    selected_images.extend(selected_class_images)

# 将所有图片组成网状图像，每行30个
img_grid = torchvision.utils.make_grid(selected_images, nrow=30)

# 用tensorboard展示
writer = SummaryWriter('logs')
writer.add_image('BIG_images', img_grid)
writer.close()