1.可视化
代码使用了 torch.utils.tensorboard
将数据记录到 TensorBoard 以便可视化。具体来说,它将标量数据记录到目录 logs
中,使用的是 SummaryWriter
类。
代码分解如下:
SummaryWriter("logs")
:初始化一个 TensorBoard 的写入器,日志会保存到"logs"
目录。writer.add_scalar("y=x", i, i)
:在循环的每一次迭代中,写入器都会记录一个名为"y=x"
的标量数据,标量的值和步数都等于i
。这实际上是在记录一条y = x
的直线。writer.close()
:关闭写入器,确保所有数据都已写入到磁盘。
运行这段代码后,使用以下命令在 pycharm控制台中可视化结果:
bash
tensorboard --logdir=logs
然后在浏览器中访问 localhost:6006
来查看记录的标量数据。
c
from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")
# writer.add_image()
for i in range(100):
writer.add_scalar("y=x",i,i)
writer.close()
2显示图像
c
from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer=SummaryWriter("logs")
image_path="hymenoptera_data/train/ants/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
writer.add_image("test",img_array,1,dataformats="HWC")
for i in range(100):
writer.add_scalar("y=x",i,i)
writer.close()