这篇教程Pytorch用Tensorboard来观察数据写得很实用，希望能帮到您。
上一章讲数据的处理，这一章讲数据处理之后呈现的结果，即你有可能看到Loss的走向等，这样方便我们调试代码。
1.Tensorboard有两个常用的方法： - 一个是
add_scalar()显：示曲线 - 一个是
add_image()显示图像
首先安装Tensorboard 在你的编译环境（conda activate XXX）中输入命令
1.使用add_scalar()输入代码from torch.utils.tensorboard import SummaryWriter #调包writer = SummaryWriter('logs') # 这里你创建了一个logs的文件装你的add_scalar生成的曲线，#其中writer.add_scalar（）第一个量是曲线的名字， #第二个量是纵坐标scalar_value,第三个量是横坐标global_step（也可以理解为损失值得步长）for i in range(100): writer.add_scalar("quadratic", i ** 2, i)writer.close()打开这个Tensorboard文件 tensorboard --logdir=logs#1.这个logdir的文件名必须要与之前所创建的文件名一致，不然很容易报错，No dashboards are active for the current data set.#2.这个tensorboard输入的命令，必须是在logs文件的上一层文件中，不然也很容易报错，No dashboards are active for the current data set. 结果现实： 
2.使用add_image()输入代码注意：add_image()中函数一般有三个量:
第一个是图像的名字，第二个是图像(必须是tensor或者numpy.ndarray)，第三个是步长（可理解为训练或者测试阶段到哪幅图像了）；
其中，图像的shape必须是CHW，但是有opencv读取的图像shape是HWC,
所以得使用dataformats转换以下将图像的shape转换为HWC 下面的代码测试了两张图（一张是来自aligned的图像，一张是来自original的图像）用来模拟训练或者测试阶段程序运行到哪张图 from torch.utils.tensorboard import SummaryWriterimport cv2writer = SummaryWriter('logs')aligned_img_path = "D://data//basic//Image//aligned//test_0001_aligned.jpg"original_img_path = "D://data//basic//Image//original//test_0001.jpg"aligned_img = cv2.imread(aligned_img_path)original_img = cv2.imread(original_img_path)print(type(aligned_img)) # numpyprint(aligned_img.shape)# writer.add_image("img", aligned_img, 1, dataformats='HWC') #此图已经在我第一次测试add_image()用过了writer.add_image("img", original_img, 2, dataformats='HWC')#此图是我在第二个测试writer.close()实现结果： tensorboard中出现了IMAGES，并且step1是aligned的图，而step2是original的图 
到此这篇关于Pytorch用Tensorboard来观察数据的文章就介绍到这了,更多相关Pytorch使用Tensorboard内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Pytorch关于Dataset
Pytorch中的Tensorboard与Transforms搭配使用 |
