Pytorch里用tensorboard将两条曲线画在一张图里面(报错:NotImplementedError: Got <class ‘dict‘>, but numpy array, torch)

本文介绍了如何使用PyTorch的TensorBoard工具,通过`add_scalars`方法记录训练和测试过程中的多个指标。示例代码展示了如何每100步添加一次'哈哈'标签下的'Train'和'Test'值。务必注意`add_scalars`函数的正确用法,以避免因传入非预期类型参数导致的错误。

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

上代码

from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter("log2")

for i in range(100):
     writer.add_scalars('haha', {'Train':i*i*3+0.5}, i)
     writer.add_scalars('haha', {'Test': i*i}, i)
writer.close()
#############################################
!!!是add_scalars而不是add_scalar
有一个s!
#############################################

否则报错:
请添加图片描述
NotImplementedError: Got <class ‘dict’>, but numpy array, torch tensor, or caffe2 blob name are expected.

运行截图
请添加图片描述

<think>嗯,用户遇到了TypeError,提示img应该是PIL Image,但实际得到了numpy.ndarray。这个问题需要怎么解决呢?首先,我应该回想一下常见的解决方法。根据提供的引用,好像需要将numpy数组转换为PIL像。比如引用1和5提到使用Image.fromarray()方法。那具体步骤应该是这样的:检查输入类型,确认是否是numpy数组,然后用PIL.Image.fromarray()转换。可能还需要注意数据类型的兼容性,比如uint8格式,是否需要归一化或者缩放。 另外,用户可能在处理像数据时,比如在使用PyTorch的transforms时,没有正确转换格式。例如,transforms.ToPILImage()可以用于将张量或数组转为PIL像。比如引用3和4提到使用transform.ToPILImage()来处理张量的情况,但这用户的问题是numpy数组,所以应该用Image.fromarray()。 然后,用户可能需要检查他们的数据处理流程,确保在需要PIL像的地方提前转换。比如在加载像时,如果用OpenCV读取,得到的是numpy数组,这时候就需要转换。或者在使用某些库的函数时,比如torchvision的变换,可能需要先转成PIL像再进行后续处理。 可能还需要注意颜色通道的顺序,比如OpenCV是BGR,而PIL是RGB,转换后可能需要调整通道顺序。比如在转换后使用cv2.cvtColor或者直接转换数组的通道顺序。 总结一下,解决方案应该是使用PIL.Image.fromarray()numpy数组转换为PIL像,并确保数据格式正确。同时,检查数据处理流程,在需要的地方插入转换步骤。如果用户是在使用PyTorch的transforms,可能需要先应用ToPILImage()变换。 另外,生成相关问题的时候,可能需要涵盖其他常见类型错误,比如如何处理张量或者字典的情况,或者如何预防这类错误,以及不同库之间的数据格式转换问题。</think>### 解决方法分步说明 当遇到`TypeError: img should be PIL Image. Got 'numpy.ndarray'`错误时,需将输入的**numpy数组**转换为**PIL Image格式**。以下是具体步骤和代码示例: --- #### 1. **确认输入数据类型** 首先检查代码中像变量的类型: ```python import numpy as np print(type(your_image)) # 输出应为<class 'numpy.ndarray'> ``` --- #### 2. **使用PIL.Image.fromarray()转换** 从`PIL`库调用`Image.fromarray()`方法直接转换: ```python from PIL import Image # 假设输入为numpy数组ndarray_image pil_image = Image.fromarray(ndarray_image) ``` **注意**: - 若数组数据范围在`[0,1]`之间(浮点型),需先缩放到`[0,255]`并转换为`uint8`类型: ```python ndarray_image = (ndarray_image * 255).astype(np.uint8) pil_image = Image.fromarray(ndarray_image) ``` - 若数组是多通道像(如RGB),确保维度顺序为`(H, W, C)`,而非`(C, H, W)`。 --- #### 3. **在PyTorch数据预处理流程中使用转换** 若使用`torchvision.transforms`,需在自定义处理步骤中显式调用转换: ```python from torchvision import transforms # 自定义转换函数(若数据是numpy数组) transform = transforms.Compose([ transforms.Lambda(lambda x: Image.fromarray(x)), # 强制转换为PIL Image transforms.Resize(256), transforms.ToTensor() ]) ``` --- #### 4. **检查OpenCV等库的读取兼容性** 若用OpenCV读取像(默认返回BGR格式的numpy数组),需转换为RGB后再转PIL Image: ```python import cv2 # 读取像为BGR格式的numpy数组 ndarray_image = cv2.imread("image.jpg") # 转换为RGB ndarray_image = cv2.cvtColor(ndarray_image, cv2.COLOR_BGR2RGB) # 转为PIL Image pil_image = Image.fromarray(ndarray_image) ``` --- ### 核心原因 某些库(如`torchvision`的`transforms`模块)要求输入为PIL Image格式,而非numpy数组或PyTorch张量。直接传递numpy数组会触发类型错误[^1][^5]。 ---
评论 5
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