Pytorch深度学习-代码篇：数据可视化

通过tensorboard实现数据集的可视化，并用代码演示。

代码实现

创建SummaryWriter类实例

首先需要实例化SummaryWriter类，并指定其操作的文件夹。

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

writer = SummaryWriter("logs")

执行后会在根目录下创建一个名为”logs”的文件夹。

创建可用端口

类似jupyter notebook，tensorboard使用时也需要借助一个端口来操作。我们需要在console进行操作。

(pytorch) c:\Users\Desktop\learn_torchs tensorboard --logdir=logs --port=6007

TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.1.0 at http://localhost:6007/(Press CTRL+C to quit)

进入端口6007即可进入tensorboard。
其中，--logdir是必须指定的参数，其值为SummaryWriter类实例所在文件夹。
--port=6007的缺省值为6006。

数值可视化

绘制$y=2x$的图像：

for i in range(100):
    # 参数1：可视化标签；参数2：y值；参数3：x值
    wirter.add_scalar("y=x", 2*i, i)

writer.close()  # 使用后需要关闭  

运行后可以看见，在logs文件夹中生成了一个文件。一个文件对应一个标签的可视化板块。

进入端口并刷新后可以看到页面。

tensorboard会存储之前的数据，因此，如果不删除之前对应的文件，直接在相同标签中续写会出现。比如我们在之前标签为$y=2x$的tensorboard下续写$y=3x$函数：

for i in range(100):
    # 参数1：可视化标签；参数2：y值；参数3：x值
    wirter.add_scalar("y=x", 3*i, i)

writer.close()  # 使用后需要关闭  

结果如图：

图片可视化

writer = SummaryWriter("logs")

image_path = "data/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
# 参数1：可视化标签；参数2：图像（一般为tensor和numpy类型）；参数3：step；参数4：通道顺序
writer.add_image("test", img_array, 1, dataformates='HWC')

writer.close()