Python学习第十八天之深度学习之Tensorboard

1.TensorBoard详解

TensorBoard是一个可视化的模块，该模块功能强大，可用于深度学习网络模型训练查看模型结构和训练效果（预测结果、网络模型结构图、准确率、loss曲线、学习率、权重分布等），可以帮你更好的了解网络模型，设计TensorBoard调用相关代码，以上结果即可保存，是整合资料、梳理模型的好帮手。

2.安装

打开Anaconda Prompt,激活自己的pytorch环境,然后下载

conda activate pytorch_env
#使用清华源
pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple

3.使用

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

# 1.括号里面的内容表示的是在当前目录下存放 summary 的文件名称,如果不写默认runs
writer = SummaryWriter('logs')
img_path = 'E:\\workspace_pycharm\\deepstudy\\dataset\\train\\ants\\0013035.jpg'
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)


# 2.第一个参数是日志文件中图像区间的 名字，第二个参数是 图像数据（必须是 array型、tensor型等），第三个参数是步长
# 每个步长存储相应步长下的数据，最后一个参数是设置图像数据的格式，H → 高，W → 宽，C → 通道,numpy的格式HWC
# 当使用相同名字的图来记录数据时，步长是有用的，当使用不同名字时，可以不设置步长
writer.add_image("test",img_array,1,dataformats="HWC")


# 3.在数据载入以后，可以在终端Terminal使用下面命令打开web页面
tensorboard --logdir=文件绝对路径
#端口可以设置为其他的
tensorboard --logdir=文件绝对路径 --port=6007

4.图像数据格式的一些理解

• 在计算机中，图像可以以 HWC、CHW 等格式存储，H 和 W 分别表示图像的高和宽， C 表示图像的通道，如果图像以 RGB 的形式存储，那么通道数有 3 个，RGB 分别表示 红色、绿色和蓝色；如果是灰度图像，那么通道数就只有 1 个。
• 一般来说，图像的分辨率指的就是图像的 WH，图像 W 表示图像的宽度是多少个像素点，H 表示图像的高度是多少个像素点。比如图像的分辨率是 512300，那么图像的宽就是 512 个像素，高是 300 个像素。
• 图像的 H 和 W 可以表示所有的像素点的个数，每个像素点都有三个通道的值，三个通道的值都确定后，R、G、B 的强度才能够知道。
  对于灰度图像而言，像素值的大小表示的是该像素点亮度的大小，0 表示是黑色，255 表示白色。