深度学习——TensorBoard的使用

官方文档torch.utils.tensorboard — PyTorch 2.3 documentation

TensorBoard简介

TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。它通过运行一个本地服务器，来监听6006端口。在浏览器发出请求时，分析训练时记录的数据，绘制训练过程中的图像。

TensorBoard 是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程，例如：

记录损失变化、准确率变化等
记录图片变化、语音变化、文本变化等，例如在做GAN时，可以过一段时间记录一张生成的图片
绘制模型

TensorBoard下载

 pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple

TensorBoard的使用

Pytorch使用Tensorboard主要用到了三个API：

SummaryWriter：这个用来创建一个log文件，TensorBoard面板查看时，也是需要选择查看那个log文件。
add_something： 向log文件里面增添数据。例如可以通过add_scalar增添折线图数据，add_image可以增添图片。
close：当训练结束后，我们可以通过close方法结束log写入。

接下来，我们来模拟记录训练过程中准确率的变化。

首先需要new一个SummaryWriter对象：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('logs')

当运行完该行代码后，可以看到当前目录下生成了一个logs文件夹，并且里面有event日志

此时已经可以在终端启动tensorboard来查看了:

 tensorboard --logdir=logs --port=6007

SummaryWriter中一些子类函数的使用

1.add_scalar()：添加标量到SummaryWriter中

（1）参数详解

tag(string): Data的指定方式，图表的标题
scalar(float or string/blobname): 需要存储的数值
global_step(int): 训练的步数（Global step value to record），结合scalar，那就是训练到多少步的时候scalar的数值是多少。
walltime(float): （不常用参数，可选）Optional override default walltime(time.time()) with seconds after epoch of event

更直观的参数解释，可以表示为下图的方式：

（2）代码

from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter("logs")  #将事件文件存储到logs这个文件夹底下

#绘制一个y=2x的图像
for i in range(100):
    writer.add_scalar("y=x",2*i,i)  # writer.add_scalar(图像标题，y轴，x轴)
writer.close()

2.add_image()：添加image到SummaryWriter

（1）参数详解

tag(string): Data的指定方式，图表的标题
img_tensor(torch.Tensor, numpy.array, or string/blobname): 图像数据
global_step(int): 训练的步数（Global step value to record），结合img_tensor，那就是训练到多少步的时候img_tensor的图像是什么。
walltime(float): （不常用参数，可选）Optional override default walltime(time.time()) with seconds after epoch of event

默认输入图像数据形状：

（3, H, W）:三通道，高，宽
注意：如果输入数据为 (H, W, 3) 也是可以的，但是需要设置dataformats,如dataformats='HWC'

（2）代码

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

writer = SummaryWriter('logs')
image_path = 'img_data/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,2, dataformats="HWC")

writer.close()

3.add_images()：添加image到SummaryWriter

add_images(tag, img_tensor, global_step=None, walltime=None, dataformats='NCHW')

参数：

tag(string) -数据标识符
img_tensor(torch.Tensor,numpy.array，或者字符串/blob 名称) -图像数据
global_step(int) -要记录的全局步长值
walltime(float) -事件纪元后的可选覆盖默认 walltime (time.time()) 秒
dataformats(string) -NCHW、NHWC、CHW、HWC、HW、WH等形式的图像数据格式规范。

将批量图像数据添加到摘要中。

请注意，这需要pillow 包。

形状：

img_tensor：默认为（N，3，W，H）。如果指定dataformats，则接受其他形状。例如NCHW 或 NHWC。

import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

# 准备的测试数据集
test_data = torchvision.datasets.CIFAR10(root='./dataset', train=False, transform=torchvision.transforms.ToTensor())

test_loader =DataLoader(dataset=test_data, batch_size=64, shuffle=False, num_workers=0, drop_last=True)
# shuffle 是否打乱   False不打乱
# drop_last 最后一轮数据不够时，是否舍弃 true舍弃

#img, target = test_loader[0] TypeError: 'DataLoader' object is not subscriptable
img, target = test_data[0]
print(img.shape)
print(target)

writer = SummaryWriter('dataloader')

for epoch in range(2):
    step = 0
    for data in test_loader:
        imgs, targets = data
        # print(imgs.shape)
        # print(targets)
        writer.add_images('Epoch:{}'.format(epoch),imgs,step)
        step = step+1

writer.close()