小土堆pytorch学习笔记 之数据可视化

pytorch 之数据可视化

损失函数（Loss Function），在机器学习和深度学习中也常被称为代价函数（Cost Function），是一种衡量模型预测值与实际值之间差异的函数。损失函数的核心作用是为模型训练提供反馈，指导模型参数的优化过程。

tensorboard 是一个 pytorch 下的可视化工具，我们可以使用 tensorboard 来绘制损失函数。

1 安装 tensorboard，并导入 SummaryWriter 类。

进入当前虚拟环境
pip install tensorboard

from torch.utils.tensorboard import SummaryWriter

2 使用 SummaryWriter 类创建实例，三步走！

1. 创建 SummaryWriter 实例
2. 记录数据
3. 关闭 SummaryWriter

😎：补充

SummaryWriter 是 PyTorch 中 torch.utils.tensorboard 模块的一个类，它用于与 TensorBoard 交互，允许你将训练过程中的各种数据写入到日志文件中。这些数据可以包括

标量 add_scalar、图像 add_image、直方图 add_histogram、嵌入式向量 add_embedding 等

from torch.utils.tensorboard import SummaryWriter
_#1.创建 SummaryWriter 实例，指定日志文件的保存目录_
writer = SummaryWriter('runs/experiment_1')
_#2.记录数据_
for epoch in range(100):
    loss = ...  _假设这是计算得到的损失值_
    writer.add_scalar('Loss/train', loss, epoch) _这里采用add.scalar记录标量数据，参数分别为图像名称、横轴数值、纵轴数值_
    _记录图像数据_
    if epoch % 10 == 0:
        image = ...  _假设这是要记录的图像数据_
        writer.add_image('Image/train', image, epoch)
_#3.关闭 SummaryWriter，关闭 SummaryWriter 以确保所有数据都被正确写入日志文件_
writer.close()

注意事项：

• 日志目录：SummaryWriter 的构造函数中指定的目录用于存放日志文件，TensorBoard 会读取这个目录下的日志文件进行可视化。
• 线程安全：SummaryWriter 不是线程安全的，如果你在多线程环境中使用，需要确保适当的同步控制。
• 资源管理：确保在训练结束后调用 close() 方法，以释放资源并确保数据完整写入。

3 如何打开事件文件，打开图片

tensorboard --logdir="logs" --port=6007（改端口）

4 实例一：绘制 y=x 图像（add_scalar）

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")  _#创建SummaryWriter实例，并指定日志路径_

_#下面绘制一个最简单的y=x的图像_
for i in range(1,1000):
    writer.add_scalar("y=x",i,i)

writer.close()

5 实例二：绘制图片（add_image）

函数原型

SummaryWriter.add_image(tag, img_tensor, global_step=None, walltime=None, dataformats='CHW')

参数

• tag：字符串，用于在 TensorBoard 中标识图像的名称。
• img_tensor**(torch.Tensor, numpy.ndarray, or string/blobname)**：一个形状为 (C, H, W) 或 (B, C, H, W) 的张量，其中 C 是通道数，H 是高度，W 是宽度，B 是批处理大小。图像数据可以是浮点数或整数，但需要在 0 到 1（浮点数）或 0 到 255（整数）的范围内。
• global_step：（可选）整数，表示当前的训练步骤。这有助于在 TensorBoard 中跟踪图像随训练过程的变化。
• walltime：（可选）以秒为单位的时间戳，表示记录的时间点。
• dataformats：（可选）字符串，指定张量的形状格式。默认是 'CHW'，表示通道、高度、宽度的顺序。对于批量图像，可以是 'BCHW' 或 'NCHW'

实例代码

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

writer = SummaryWriter("logs")  _#创建SummaryWriter实例，并指定日志路径_
image_path = "dataset/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)

writer.add_image("test",img_array,1,dataformats='HWC') ##注意图片格式需要标注
_#下面绘制一个最简单的y=x的图像_
for i in range(1,1000):
    writer.add_scalar("y=x",i,i)

writer.close()