跟着小土堆学习pytorch(二)——TensorBoard和Transform



文章目录

  • 一、TensorBoard
  • 1.1 add_scalar()
  • 1.1,1 报错:TypeError: MessageToJson() got an unexpected keyword argument 'including_default_value_fields'
  • 1.1.2 图像重叠
  • 1.1.3 代码展示
  • 1.2 add_image()
  • 1.2.1 代码
  • 二、transform
  • 2.1 介绍——对图片进行一些变化
  • 2.2 补:查看py文件下(如,transform.py)下的结构
  • 2.3 查找快捷键
  • 2.4 常用的类
  • 2.5 tensor
  • 2.6 __call__()
  • 2.7 cv2库
  • 2.8 代码与效果


一、TensorBoard

主要是用来绘制train/val loss图像(图像现实)
比如,在训练过程的时候看看loss的图像情况,loss就是描述实验数据和真实数据的差距

1.1 add_scalar()

1.1,1 报错:TypeError: MessageToJson() got an unexpected keyword argument ‘including_default_value_fields’

这个是由于,tensorboard的版本过高了

pip install tensorboard==2.12.0弄个低版本就行

嗯,数据就生成了

跟着小土堆学习pytorch(二)——TensorBoard和Transform_Image

1.1.2 图像重叠

如果重叠了,就是同一个标签下面,会造成图像混合在一起,进行拟合,很乱,需要删除logs下的event事件

1.1.3 代码展示

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("D:\\pycharm_project\\try3\\math\\logs")

# writer.add_image()

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

writer.close()

1.2 add_image()

跟着小土堆学习pytorch(二)——TensorBoard和Transform_pytorch_02


对于img_tensor这个参数,图片格式必须torch.Tensor, numpy.ndarray, or string/blobname

跟着小土堆学习pytorch(二)——TensorBoard和Transform_学习_03


能看清每一步的数据

1.2.1 代码

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

writer = SummaryWriter("D:\\pycharm_project\\try3\\math\\logs")
img_path = "D:\\pycharm_project\\try3\\dataset\\train\\bees\\21399619_3e61e5bb6f.jpg"
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)

print(type(img_array))
print(img_array.shape)

writer.add_image("train",img_array,2,dataformats='HWC')

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

writer.close()

二、transform

2.1 介绍——对图片进行一些变化

对图片进行一些变化
在torchvision库中,"transform"指的是一系列用于图像预处理和数据增强的操作。这些操作可以改变图像的大小、颜色、对比度等属性,或者对图像进行裁剪、旋转等。

Resize:调整图像的大小。它可以接受一个整数或者一个尺寸序列(高度,宽度)。如果提供整数,图像的较小边将被调整为此数值,同时保持原始宽高比。

CenterCrop:将图像裁剪为给定的尺寸,裁剪操作在图像的中心进行。

RandomCrop:随机裁剪图像的一部分。可以指定裁剪区域的尺寸,以及是否在必要时对图像进行填充。

RandomHorizontalFlip和RandomVerticalFlip:随机水平或垂直翻转图像。这些变换以一定的概率(默认为0.5)应用。

ColorJitter:随机改变图像的亮度、对比度、饱和度和色调。

Grayscale:以一定的概率将图像转换为灰度图像。

RandomRotation:随机旋转图像一个角度,角度范围可以指定。

Normalize:对图像进行标准化处理,即减去均值并除以标准差。这通常在数据预处理的最后阶段进行,以确保模型输入的一致性。

ToTensor:将PIL图像或numpy数组转换为torch.Tensor对象。转换后的张量形状为(C, H, W),其中C是通道数,H是高度,W是宽度。

Compose:将多个变换组合成一个。这是最常用的变换之一,因为它允许你将一系列的预处理步骤串联起来,一次性应用到图像上。

2.2 补:查看py文件下(如,transform.py)下的结构

,这些库,里面的类,很多,想要查看可以组合键Alt+7

跟着小土堆学习pytorch(二)——TensorBoard和Transform_数据_04


下拉之后,双击,可以定位到目标函数

2.3 查找快捷键

setting—>keymap—>structure

2.4 常用的类

compose—几种变换进行组合一起
totensor—变成tensor格式
ToPILImage—变成PILimage格式
Normalize—正则化
CenterCrop—中心裁剪
resize—裁剪/变换

2.5 tensor

  1. transform怎么用
  2. tensor的数据类型

totensor的__call__()

跟着小土堆学习pytorch(二)——TensorBoard和Transform_数据_05


输入图片,返回tensor

tensor_trans = transforms.ToTensor() # 实例化
tensor_img = tensor_trans(img)       # 调用

tensor数据类型,包装了神经网络所需要的一些理论参数

2.6 call()

call方法可以使对象具有当作函数的功能,当你调用对象,就会自动调用call方法

2.7 cv2库

使用cv2.imread,返回出来的就是ndarry,也能通过totensor转成tensor

Alt+Enter—> 自动导入库
ctrl + p —> 现实需要输入的参数

2.8 代码与效果

from PIL import Image
from torch.utils.tensorboard import SummaryWriter

from torchvision import transforms


img_path = "D:\\pycharm_project\\try3\\dataset\\train\\ants\\0013035.jpg"
img = Image.open(img_path)
writer_try = SummaryWriter("D:\\pycharm_project\\try3\\math\\logs")


tensor_trans = transforms.ToTensor() # 实例化
tensor_img = tensor_trans(img)       # 调用

print(tensor_img)

writer_try.add_image("Tensor_img", tensor_img)
writer_try.close()

tensorboard --logdir=D:\pycharm_project\try3\math\logs以后logs文件,我都用绝对地址,不然总是出问题

跟着小土堆学习pytorch(二)——TensorBoard和Transform_Image_06


上一篇:HarmonyOS:@Watch装饰器:状态变量更改通知


下一篇:(Threejs js 3D建模框架)网页三维CAD中绘制窗户模型