深度学习入门-04

news2024/11/14 19:47:03

PS：基于小土堆视频学习
1、add_image()的使用
读取样本集中的数据`

image_path = "data/train/ants_image/0013035.jpg"
from PIL import Image
img = Image.open(image_path)

在pycharm的控制台中运行该代码，运行后可以发现：
在这里插入图片描述
数据格式是JPRG，不满足add_image()函数的要求

writer.add_image()

add_image()，在pycharm中通过ctrl单击后可以获取详细要求。代码定义要求如下

def add_image(
    self, tag, img_tensor, global_step=None, walltime=None, dataformats="CHW"
):
    """Add image data to summary.

    Note that this requires the ``pillow`` package.

    Args:
        tag (str): Data identifier
        img_tensor (torch.Tensor, numpy.ndarray, or string/blobname): Image data
        global_step (int): Global step value to record
        walltime (float): Optional override default walltime (time.time())
          seconds after epoch of event
        dataformats (str): Image data format specification of the form
          CHW, HWC, HW, WH, etc.
    Shape:
        img_tensor: Default is :math:`(3, H, W)`. You can use ``torchvision.utils.make_grid()`` to
        convert a batch of tensor into 3xHxW format or call ``add_images`` and let us do the job.
        Tensor with :math:`(1, H, W)`, :math:`(H, W)`, :math:`(H, W, 3)` is also suitable as long as
        corresponding ``dataformats`` argument is passed, e.g. ``CHW``, ``HWC``, ``HW``.

    Examples::

        from torch.utils.tensorboard import SummaryWriter
        import numpy as np
        img = np.zeros((3, 100, 100))
        img[0] = np.arange(0, 10000).reshape(100, 100) / 10000
        img[1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000

        img_HWC = np.zeros((100, 100, 3))
        img_HWC[:, :, 0] = np.arange(0, 10000).reshape(100, 100) / 10000
        img_HWC[:, :, 1] = 1 - np.arange(0, 10000).reshape(100, 100) / 10000

        writer = SummaryWriter()
        writer.add_image('my_image', img, 0)

        # If you have non-default dimension setting, set the dataformats argument.
        writer.add_image('my_image_HWC', img_HWC, 0, dataformats='HWC')
        writer.close()

    Expected result:

    .. image:: _static/img/tensorboard/add_image.png
       :scale: 50 %

    """
    torch._C._log_api_usage_once("tensorboard.logging.add_image")
    self._get_file_writer().add_summary(
        image(tag, img_tensor, dataformats=dataformats), global_step, walltime
    )

方法签名

add_image(self, tag, img_tensor, global_step=None, walltime=None,
dataformats=“CHW”)

参数说明

tag (str): 数据的标识符，用于在TensorBoard中区分不同的图像。
–img_tensor (torch.Tensor, numpy.ndarray, or string/blobname):
图像数据，可以是PyTorch张量、NumPy数组或字符串/blob名称。
global_step (int):
记录的全局步长值，用于在TensorBoard中按时间顺序排序事件。
walltime (float):
可选，用于覆盖默认的时间戳（自epoch以来的秒数）。
dataformats (str):
图像数据格式的规范，“CHW”、“HWC”、“HW”、"WH"等。

图像数据格式

默认情况下，图像张量的形状应为(3, H, W)，表示3个颜色通道，高度和宽度。
也可以使用torchvision.utils.make_grid()将一批张量转换为3xHxW格式。
张量形状为(1, H, W)、(H, W)、(H, W, 3)也是合适的，只要相应地传递dataformats参数，如"CHW"、“HWC”、“HW”。

示例
示例中展示了如何使用SummaryWriter添加图像数据。首先创建一个图像数组，然后使用add_image方法将其添加到TensorBoard的摘要中。如果图像数据的维度不是默认的，需要设置dataformats参数。

预期结果
在TensorBoard中，应该能够看到添加的图像，图像会以指定的标签显示。

注意事项

这个方法需要pillow包。
使用add_image方法之前，需要创建一个SummaryWriter实例。
在添加完所有需要的数据后，应调用close方法来关闭SummaryWriter实例，确保所有数据都被写入磁盘。

也可直接在代码基础上：


image_path = "data/train/ants_image/0013035.jpg"
from PIL import Image
img = Image.open(image_path)
print(type(img))

数据结果为：

<class 'PIL.JpegImagePlugin.JpegImageFile'>

该类型无法满足add_image的要求，所以可以直接用OpenCV，opencv打开的类型基本为numpy类型。

因此需要再环境中安装openCV
在终端环境中，新增，然后输入
在这里插入图片描述 pip install opencv-python

安装完成后，可以通过下述代码：将PIL类型的JpegImage变量转换为numpy类型

image_path = "data/train/ants_image/0013035.jpg"
from PIL import Image
img = Image.open(image_path)
print(type(img))
import numpy as np
img_array = np.array(img)
print(img_array)
#将PIL类型的JpegImage变量转换为numpy类型

在控制台中调试，可以看到，当前数据的格式如下：
在这里插入图片描述

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image  #需要注意区分大小写

writer =SummaryWriter("logs")
img_path = "data/train/bees_image/21399619_3e61e5bb6f.jpg"
#修改后再运行，然后单击 http://localhost:6007/，刷新后就可以拖动查看
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("test",img_array,2,dataformats="HWC")



# writer.add_image()
for i in range(100):
    writer.add_scalar("y=2x",2*i,i)

writer.close()

在这里插入图片描述
如果需要单独显示，对title进行重新命名

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image  #需要注意区分大小写

writer =SummaryWriter("logs")
img_path = "data/train/bees_image/95238259_98470c5b10.jpg"
#修改后再运行，然后单击 http://localhost:6007/，刷新后就可以拖动查看
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("train",img_array,2,dataformats="HWC")



# writer.add_image()
for i in range(100):
    writer.add_scalar("y=2x",2*i,i)

writer.close()