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

2024-10-30 17:42:42

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

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()

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

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

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

transform怎么用
tensor的数据类型

totensor的__call__()

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

码农公寓