Pytorch学习03_TensorBoard使用02

Opencv读取图片,获得numpy型数据类型

复制图片的相对路径

目前这种type不适用,考虑用numpy类型

安装opencv,在pytorch环境下

pip install opencv-python

导入numpy

import numpy as np

将PIL类型的img转换为 NumPy 数组

img_array=np.array(img)

HWC三通道

H:高度 W:宽度 C:通道

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

writer = SummaryWriter("logs")
image_path="dataset/train/ants_image/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("test",img_array,1,dataformats='HWC')


# for i in range(100):
#     writer.add_scalar("y=2x",3*i,i)

writer.close()

从PIL到numpy,需要在add_image()中指定shape中每一个数字/维表示的含义

终端运行

tensorboard --logdir=logs --port=6007

点击蓝色链接

点击"IMAGES"

来到

修改一下

使用另一张图片的路径,运行

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

writer = SummaryWriter("logs")
image_path="dataset/train/ants_image/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

# writer.add_image("test",img_array,1,dataformats='HWC')
writer.add_image("test",img_array,2,dataformats='HWC')


# for i in range(100):
#     writer.add_scalar("y=2x",3*i,i)

writer.close()

回到网站,进行刷新

刷新后

拖动滑轮进行图片查看

拖到左边后,可以看到之前的图片

更换标签

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

writer = SummaryWriter("logs")
# image_path="dataset/train/ants_image/0013035.jpg"
image_path="dataset/train/ants_image/5650366_e22b7e1065.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

# writer.add_image("test",img_array,1,dataformats='HWC')
# writer.add_image("test",img_array,2,dataformats='HWC')
writer.add_image("train",img_array,1,dataformats='HWC')


# for i in range(100):
#     writer.add_scalar("y=2x",3*i,i)

writer.close()

运行后来到网站查看

参考

【PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】】 https://www.bilibili.com/video/BV1hE411t7RN/?p=9\&share_source=copy_web\&vd_source=be33b1553b08cc7b94afdd6c8a50dc5a

相关推荐
机器之心8 分钟前
「世界模型」也被泼冷水了?邢波等人揭开五大「硬伤」,提出新范式
人工智能
费弗里13 分钟前
Python全栈应用开发利器Dash 3.x新版本介绍(4)
python·dash
甲丁15 分钟前
国内 Claude Code 接入指南(免费获得国内代理$100额度)
人工智能
机器之心16 分钟前
刚刚,为对抗哥大退学生开发的AI作弊器,哥大学生造了个AI照妖镜
人工智能
辣辣y21 分钟前
python基础day08
开发语言·python
Binary_ey22 分钟前
AR/VR 显示画质失真?OAS百叶窗波导案例破难题
人工智能·ar·vr·软件需求·光学软件
运营黑客26 分钟前
Grok 4,来了。
人工智能·学习·ai·aigc
xunberg34 分钟前
【MCP 实战派】Node-RED MCP 插件实践指南:从安装到常见问题解析
人工智能·开源
二二孚日34 分钟前
自用华为ICT云赛道AI第一章知识点-机器学习概览
人工智能·华为
weisian15135 分钟前
人工智能-基础篇-24-RAG和LLM到底怎么理解和区分?(LLM是深度训练的大语言生成模型,RAG是LLM更智能的补充技术)
人工智能