Pytorch

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。

Tensorboard

TensorBoard 提供机器学习实验所需的可视化功能和工具：

• 跟踪和可视化损失及准确率等指标
• 可视化模型图（操作和层）
• 查看权重、偏差或其他张量随时间变化的直方图
• 将嵌入投射到较低的维度空间
• 显示图片、文字和音频数据
• 剖析 TensorFlow 程序
• 以及更多功能

Pytorch加载数据初认识

from torch.utils.data import Dataset
import cv2 as cv
import os


class MyData(Dataset):
    def __init__(self, root_dir, label_dir):
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir, self.label_dir)
        self.img_path = os.listdir(self.path)

    def __getitem__(self, idx):
        # img_path = "dataset/train/ants"
        img_name = self.img_path[idx]
        img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
        img = cv.imread(img_item_path)
        label = self.label_dir
        return img, label

    def __len(self):
        return len(self.img_path)


def img_show(name, img):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()


if __name__ == "__main__":
    root_dir = "dataset/train"
    ants_label_dir = "ants"
    bees_label_dir = "bees"
    ants_dataset = MyData(root_dir, ants_label_dir)
    img, label = ants_dataset[0]
    print(type(img))
    img_show("ants", img)

绘图add_scalar

绘图: writer.add_scalar(参数1，参数2，参数3)

• 第一个参数：生成图像的名称
• 第二个参数：X轴的值
• 第三个参数：Y轴的值

from tensorboardX import SummaryWriter
writer = SummaryWriter("logs")

for i in range(100):
    writer.add_scalar("y=x**2", i ** 2, i)

writer.close()

目录中会生成一个为名为logs的文件夹

在当前目录打开anconda的工作空间

命令conda activate my_env_name

或者直接在Pycharm下的打开Terminal

输入命令打开生成的logs文件

tensorboard --logdir=logs --port=6008

点击生成的链接

显示图片add_image

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

• tag (string): 数据名称
• img_tensor (类型 torch.Tensor 或 numpy.array): 图像数据
• global_step (int, optional): 记录这是第几个子图 后面解释这个参数
• walltime (float, optional): 记录发生的时间，默认为 time.time()
• dataformats (string, optional): 图像数据的格式，默认为 ‘CHW’，即 Channel x Height x Width，还可以是 ‘CHW’、‘HWC’ 或 ‘HW’ 等

我们使用opencv读取的图片就是<class 'numpy.ndarray'>可以直接使用，如果要使用PIL库时，需要用numpy库转换类型。img.shape=(H,W,C):H为高度、W为宽度、C为通道数，所以dataformats='HWC'

from tensorboardX import SummaryWriter
import cv2
writer = SummaryWriter("logs")
img = cv2.imread("dataset/train/ants/0013035.jpg")
img1 = cv2.imread("dataset/train/ants/6743948_2b8c096dda.jpg")
img2 = cv2.imread("dataset/train/bees/17209602_fe5a5a746f.jpg")

print(type(img))
print(img.shape)
writer.add_image("test", img, 1, dataformats='HWC')


writer.close()