TensorBoard

news2024/11/26 2:53:20

1、概念

TensorBoard可以看作是一个“训练监控仪表盘”，可以

将训练过程中的数据可视化，让你通过图表直观地看到模型的表现，

识别问题，并进行调试和优化。

TensorFlow是用来训练模型的深度学习框架，在使用tensorflow训练模型时，可以通过tensorboard来对数据进行可视化，帮助优化模型。

Pytorch也是一种深度学习框架。

TensorFlow：功能强大，但初学者可能觉得上手稍难，适合工业生产中应用
PyTorch：语法简洁，易于理解，许多用户觉得它更友好，在学术界中非常受欢迎

（一些项目可能会在研究阶段使用 PyTorch，随后在生产环境中使用 TensorFlow）

2、如何使用TensorBoard?（代码）

（1）安装tensorflow或pytorch后，引入SummaryWriter类

SummaryWriter：用来记录数据的指标

from torch.utils.tensorboard import SummaryWriter

（2）创建SummarWriter实例及其关联文件夹

writer=SummaryWriter("logs")

logs是即将创建的文件夹名称（日志目录）

（3）记录训练过程中产生的数据

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

1、writer.add_scalar()：记录标量数据（如损失、准确率等）并进行可视化

writer.add_scalar(tag, scalar_value, global_step=None)

tag：标签（相当于标题）

scalar_value：要记录的标量值（y轴的值）

global_step：记录的步数（x轴的值）

2、writer.add_image()：记录图像数据并进行可视化

writer.add_image(tag, image, global_step=None, dataformats='CHW')

tag：标签（标题）

image：要记录的图像（torch.Tensor或numpy.array类型）

global_step：记录的步数

dataformats：数据格式（默认为 'CHW'（通道-高度-宽度），

注意要看数据的格式是不是CHW，print(img_array.shape)可以查看）

（4）关闭文件夹

writer.close()

标量数据：

from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter("logs")

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

writer.close()

图像数据：

法一：先生成PIL对象，再将其转换成numpy对象，最后用add_image（第二个参数用numpy类型的）

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

writer=SummaryWriter("logs") #创建SummaryWriter实例对象和日志文件logs

img_path="dataset/hymenoptera_data/train/bees/359928878_b3b418c728.jpg"
img_PIL=Image.open(img_path) #生成图像的PIL对象
img_array=np.array(img_PIL) #将PIL.Image类型转为numpy.array类型

print(img_array.shape)
writer.add_image("train",img_array,5,dataformats='HWC')

writer.close()

法二：先生成PIL对象，再将其转换成tensor对象，最后用add_image（第二个参数是tensor类型的）

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
from torchvision import transforms

writer=SummaryWriter("logs")

img_path=r"C:\Users\zzr\Desktop\Learning\dataset\hymenoptera_data\train\bees\16838648_415acd9e3f.jpg"
img=Image.open(img_path) #PIL.Image类型
tensor_trans=transforms.ToTensor() #生成ToTensor类的实例
img_tensor=tensor_trans(img) #把PIL.Image类型转换成torch.Tensor类型

print(img_tensor.shape)
writer.add_image("train1",img_tensor,1,dataformats='CHW')

writer.close()