TensorBoardX add_image()输出图片与torchvision.transforms.Normalize()标准化需要注意的地方

最新推荐文章于 2025-11-08 23:28:03 发布

原创

最新推荐文章于 2025-11-08 23:28:03 发布 · 7.9k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch

本文介绍了在使用TensorBoardX的add_image()输出图片时应注意的事项，包括label_name的唯一性、图像维度和值域范围。同时，详细讨论了torchvision.transforms.Normalize()在图像标准化过程中的作用，指出其会将图像值域转换到[-1, 1]，并提供了相关转换的公式。" 127674151,8086594,YOLOv5改进：添加SE注意力机制,"['目标检测', '深度学习', '计算机视觉', '神经网络', 'YOLO']

TensorBoardX add_image()输出图片与torchvision.transforms.Normalize()标准化

版权归属：

https://blog.youkuaiyun.com/halchan
chanhal@outlook.com

更多关注：

https://github.com/chanhal
https://www.zhihu.com/people/chanhal

1、TensorBoardX add_image()输出图片需要注意的地方

pytorch中调用TensorBoardX显示图片的方法如下：

from tensorboardX import SummaryWriter

writer = SummaryWriter(log_dir)
# display image
writer.add_image('label_name', img, global_step=total_step)

首先，label_name必须是一个唯一的名字，特别需要注意的是防止与add_scale()中的名字重复，这样子会出现莫名的错误；

其次，参数img可以是numpy or torch.Tenso

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

chanhal

关注关注

1
点赞
踩
9

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【深度学习】tensorboard中的图片放到论文中

gaocui883的博客

10-28

1万+

1. 利用tensorboard中的导出数据功能选中左上角的标签，然后选择csv格式的数据下载即可。左边的smoothing 数值不影响导出数据的大小。 2.tensorboard 图下标签介绍: 放大 Toggle y-axis log scale：将y轴对数化 Fit domain to data：如果拖动了图片等，再重新回到原始位置 Download Current Chart as SVG 3.用下载下来的csv数据来画图第一幅图片：训练的平均长度 fig, ax1 = plt.sub

深度学习：pytorch 图片呈现 tensorboard (add_image)控制台自学调试检验，含终极代码

2301_80127898的博客

02-09

631

摘要：讲解如何自学，含终极代码，效果如封面图

2 条评论您还未登录，请先登录后发表或查看评论

2 条评论

ACoolKiller 2021.03.21
global_step这个参数有什么用呀

陈平安| 2020.11.30
博主您好，感谢讲解，请问能可视化多个batch的Tensor吗？

P8.Tenserboard的使用（add_image())

最新发布

m0_67800189的博客

11-08

262

在控制台输入以下代码（常用from PIL import image读取图像），在右边看到用PIL显示图片是不满足add_image()函数所要求的类型的。图片的title没变，还叫test_image，可以通过滑动看到每一步的图像（可以通过这种方式看到训练阶段每一步的输出结果，来观察不同阶段的显示）add_image()函数所要求的图片类型：torch.tensor或者是numpy或者是字符串。所以读取图片地址，只需要获取相对地址。如果想要单独显示，只需要把add_image()里的title重新命名。

pytorch-tensorboard的基本用法二——add_image()

qq_51539256的博客

07-01

1586

pytorch-tensorboard的基本用法二——add_image()

TensorBoard的使用2（add_image函数）

weixin_44943389的博客

11-06

3242

函数参数需要的是tensor类型的数据，如何把pil，jpegimage类型的数据要转换成为能用的数据类型。在该页面中可以拖动step来查看不同的step对应的图片。通过这样的方式获得函数所需要的数据类型。传递参数的过程中参数不要写死。出现上面内容证明已经安装好了。

Tensorboard的使用（二）：add_image()的使用

jbkjhji的博客

11-06

1342

add_image()添加的图片的格式

Pytorch手写数字集为例基于Tensorboard可视化图像——add_image() and torchvision.utils.make_grad

垃圾就应该待在垃圾桶里的博客

08-31

1740

文章目录前言一、add_image()1.具体参数及介绍见之前博客——可视化工具Tensorboard2.pytorch源码——手写数字集为例3.可视化操作步骤：Tensorboard的打开方式见之前可视化损失函数的步骤二、torchvision.utils.make_grad制作网格图像对于batch大于1的时候，一张一张的显示显然很麻烦，如果我们使用网格的展示方法，把整个batch的图像显示出来会更好。1.具体参数及介绍见之前博客——可视化工具Tensorboard2.pytorch源码——手写数字集.

torchvision.transforms模块

方悔读书迟

07-17

863

torchvision.transforms是pytorch中的图像预处理包，包含了很多种对图像数据进行变换的函数，我们可以通过其中的剪裁翻转等进行图像增强。 1.transforms.ToTensor() 将”PIL图像“或 numpy.ndarray“转换为张量。将PIL图像或numpy.ndarray（H x W x C） [0,255]的形状转换到torch.FloatTensor（C × H × W）[0.0，1.0]的范围内。 from PIL import Image from tor

pytorch学习笔记（四）——torchvision.transforms的使用

NA_imu的博客

04-27

2809

pytorch transforms

“from torch.utils.data import Dataset, DataLoader from torch.utils.tensorboard import SummaryWriter from PIL import Image import os import torchvision import torch class MyData(Dataset): #针对第一种数据类型：文件名对应照片集的Label #不同数据集布局对于数据的提取需要微调 def __init__(self, data_folder, transform=True): self.data_folder = data_folder self.transform = transform self.filenames = [] self.labels = [] per_classes = os.listdir(self.data_folder) for per_class in per_classes: per_class_path = os.path.join(self.data_folder, per_class) per_images = os.listdir(per_class_path) label = str(per_class) for per_image in per_images: self.filenames.append(os.path.join(per_class_path, per_image)) self.labels.append(label) def __getitem__(self, index): img = Image.open(self.filenames[index]) label = self.labels[index] if self.transform is not None: img = self.proprecess(img) return img, label def __len__(self): return len(self.filenames) def proprecess(self, img): data_transform = torchvision.transforms.Compose([torchvision.transforms.Resize(256), torchvision.transforms.CenterCrop(224), torchvision.transforms.Pad(2,padding_mode='edge'), torchvision.transforms.ToTensor(), torchvision.transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])]) img = data_transform(img) return img data_folder = "dataset/train" ants_dataset = MyData(data_folder, transform=True) data_loader = DataLoader(ants_dataset, batch_size=16, shuffle=True,drop_last=True) writer = SummaryWriter("New_logs") for epoch in range(2): for batch_idx, (data, label) in enumerate(data_loader): writer.add_images("epoch:{}".format(epoch), data, batch_idx) # #__getitem__支持以下调用： # img, label = ants_dataset[0] #相当于ants_dataset.__getitem__(0) # img.show() # print(label)”分析一下这段代码有没有错误的地方

06-22

但注意，这样会在TensorBoard中生成16张图片，并且需要为每张图片设置不同的标签（例如，通过索引区分）：```pythonforiinrange(data.size(0)):img=data[i]#形状为(3,228,228)writer.add_image("epoch:{}_batch:{}_...

TensorBoard中的add_image()和add_scalar()

m0_62977737的博客

11-26

1182

用于记录训练过程中生成的图像、模型预测的图像、或者其他图像类型数据。：你也可以记录每个 epoch 或 batch 的准确率或其他评价指标，查看模型的性能变化。方法记录每个训练步骤或每个 epoch 的损失值，帮助你跟踪模型是否正在收敛。方法记录一个标量值（例如训练过程中的损失值或准确率），并将其与训练步骤（：可以记录学习率的变化，特别是在使用学习率调度器时，查看学习率的变化趋势。，以便监控模型训练过程中的一些指标（如损失、准确率等）。，以便在训练过程中查看模型的图像数据。：在训练过程中，你可以用。

TensorFlow保存TensorBoard图像操作

09-16

主要介绍了TensorFlow保存TensorBoard图像操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

tensorflow通过模型文件,使用tensorboard查看其模型图Graph方式

09-18

今天小编就为大家分享一篇tensorflow通过模型文件,使用tensorboard查看其模型图Graph方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

tensorboard数据导出

06-16

将tensorboard训练文件中的数据导出到excel文件中 tensorboard数据导出

Tensorboard(二)：add_image()

rensweet的博客

12-24

2463

一、前期工作：数据集下载将数据集下载好后，解压并放入项目文件夹中二、函数介绍 add_image() 函数说明三、运行过程代码基于上一篇笔记(2条消息) Tensorboard的使用（一）writer.add_scalar()，SummaryWriter()_rensweet的博客-优快云博客修改假设取数据集第一张图片，复制图片的相对地址运行以下代码报错报错1：Assertion failed 原因：ndarry：但add_image(...

从tensorboard导出数据，自己用python画折线图

m0_57527312的博客

10-18

5837

画loss和acc图

使用pytorch，解决tensorboard显示图片问题

博客简介不能为空

01-30

703

tensorboard如何找到可视化的界面

5.TensorBoard的使用(二)--add_image()

m0_57190127的博客

09-15

651

tensorboard image,sclar

qq_33204297的博客

03-17

633

tf.summary.scalar() 用于显示标量，例如损失、精度曲线等。 tf.summary.image(name,tensor,image_number) 同于显示图片变量含义: name:命名 tensor:张量，通道数最大为4 image_number:输出图片数量例如：输出：conv的tensor为[128,28,28,32] 含义： batch_size为128,图片大小...