[ Pytorch教程 ] TensorBaord类

1、介绍

TensorBoard 是可视化工具，用于跟踪和可视化以下内容：

主要功能模块：

1. 标量可视化 - 损失、准确率等指标

2. 图像可视化 - 输入/输出图像、特征图

3. 图表可视化 - 模型计算图

4. 直方图分布 - 权重、偏置的分布变化

5. 嵌入可视化 - 高维数据的降维展示

6. 文本可视化 - 文本数据

7. 超参数调优 - HParams 面板

2、 安装

pip3 install tensorboard==2.12.0 -i https://pypi.doubanio.com/simple/ --target=/home/qhr/anaconda3/envs/pytorch/lib/python3.8/site-packages

3、运行

 tensorboard --logdir=/home/qhr/PythonPorject/hymenoptera/logs --port=6007

如果报错：zsh: command not found: tensorboard

第一种解决方案：
  
alias tensorboard='python3 -m tensorboard.main'
  
第二种解决方案：
  
python3 -m  tensorboard.main --logdir=.
  
第三种解决方案：
  
将alias命令放到 .zshrc 里

4、函数详解

4.1. 标量记录 - add_scalar()

writer.add_scalar(tag, scalar_value, global_step=None, walltime=None, new_style=False)

参数解释：

• tag (string): 指标的标签名称，如 'train/loss'

• scalar_value (float): 要记录的标量值

• global_step (int): 全局步数，通常是训练步数或epoch数

• walltime (float): 可选，覆盖默认的walltime

4.2. 图像记录 - add_image()

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

参数解释：

• tag (string): 图像标签

• img_tensor (torch.Tensor, numpy.array): 图像数据

• global_step (int): 全局步数

• dataformats (string): 数据格式，如 'CHW', 'HWC', 'HW', 'WH'等

以及其他的函数

|-------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 多个图像记录 - add_images() | python writer.add_images(tag, img_tensor, global_step=None, walltime=None, dataformats='NCHW') 参数解释： img_tensor 应该是批量的图像，形状为 [N, C, H, W] 或 [N, H, W, C] |
| 直方图记录 - add_histogram() | python writer.add_histogram(tag, values, global_step=None, bins='tensorflow', walltime=None, max_bins=None) 参数解释： * tag (string): 直方图标签 * values (torch.Tensor, numpy.array): 要分析的值 * bins (string): 分桶策略 |

5、代码

创建一个Python文件

import numpy as np
from torch.utils.tensorboard import SummaryWriter
import cv2
from dataset import MyDataSet

if __name__ == "__main__":
    print("tensor board test")
    img_dir_path = "./hymenoptera_data/train/ants_img"
    label_dir_path = "./hymenoptera_data/train/ants_label"
    my_dataset = MyDataSet(img_dir_path, label_dir_path)

    ant_img, ant_label = my_dataset[0]
    ant_img.show()
    print(ant_label)

    print(np.array(ant_img).shape)

    writer = SummaryWriter("logs") # 存储目录

    # 可视化图片
    writer.add_image("test", np.array(ant_img), 1, dataformats='HWC')

    #可视化标量
    for i in range(100):
        writer.add_scalar("y=x", i, i)

    writer.close() # 关闭

代码中我们使用到了前文用到的MyDataSet，同时从

torch.utils.tensorboard 导入 SummaryWriter

writer = SummaryWriter("logs") # 存储目录

创建writer实例，并定义存储目录名称"logs"

示例中显示如何向tensorboard添加图片、标量数据

  # 可视化图片
    writer.add_image("test", np.array(ant_img), 1, dataformats='HWC')

    #可视化标量
    for i in range(100):
        writer.add_scalar("y=x", i, i)

最后再关闭writer

  writer.close() # 关闭

6、执行

上面的代码执行过后

在本地会有个logs目录，

然后启动tersorboard

 tensorboard --logdir=./logs --port=6007

启动后会有终端输出

复制这个网址在浏览器中打开

就能看到我们传入的图片和标量数据