Pytorch学习（二）tensorboard、transform使用

参考视频：https://www.bilibili.com/video/BV1hE411t7RN?p=10&spm_id_from=pageDriver

1、tensorboard使用

1.1tensorboard中写入数据

训练过程loss变化，某一步模型的训练结果可视化（可以检测不同阶段的模型输出）。

from torch.utils.tensorboard import SummaryWriter       # 按住ctrl键，鼠标放上边变为蓝色，点击

writer = SummaryWriter("logs")

# writer.add_image()                # 添加图像
 for i in range (100):
        writer.add_scalar("y = x", i, i)               # 添加标量

writer.close()

查看存储数据： tensorboard --logdir = logs； logdir = 事件文件所在文件夹名，（不定义时，会自动创建）

一台服务器可能有许多人训练网络，所以我们可以指定tensorboard的端口：

tensorboard --logdir = logs --port = 6007

1.2 tensorboard中写入图像

writer.add_image()中，输入图像必须是array或者tensor,故需要在add_image()中指定shape中每一个数字/维表示的含义。

img = Image.open(路径)
img_array = np.array(img)
writer.add_image("test", img_array, 1, dataformats = 'HWC')

1.3writer.add_graph(input_model)：

可以输出神经网络结果图。

2、transform使用

structure部分可以直接查看类的结构。

报错，引入库：Alt+N+回车,或者直接点箭头，导入库。

ctrl+p可以看需要哪个参数。

把图片转换为tensor类：

# 创建一个tensor类型对象
trans_tensor = transforms.ToTensor()
# 实例化对象
tensor_img = trans_tensor(img)

2.1常见的transform

pytorch中的__call__(),

如果定义了__call__()，则进行实例化对象时，可直接传参，调用该方法；否则需要使用点的方式调用方法。

class Person:
    def __call__(self, name):
        print("__call__" + "hello" + name)

    def hello(self, name):
        print("hello" + name)

person = Person()
# 实例化对象直接调用
person("zhangsan")

# 使用.调用方法
person.hello("lisi")