Pytorch框架学习记录2——TensorBoard的使用

Tensorboard在训练模型时很有用，可以看训练过程中loss的变化。之前用于Tensorflow框架，自Pytorch1.1之后，Pytorch也加了这个功能。

1. TensorBoard的使用

从torch.utils.tensorboard中导入SummaryWriter类。

1.1 SummaryWriter类使用

SummaryWriter类可以在指定文件夹生成一个事件文件，这个事件文件可以对TensorBoard解析。

首先实例化一个SummaryWriter的类，参数代表保存的文件夹的名称

writer = SummaryWriter("logs")  #文件夹名称

1.2 writer.add_scalar()方法：

def add_scalar(
    self,
    tag,
    scalar_value,
    global_step=None,
    walltime=None,
    new_style=False,
    double_precision=False,
):

上面是官方定义的参数，这个方法是添加标量的意思。

tag：所画图标的title，str类型，注意引号

scalar_value：需要保存的数值，对应y轴的y值

global_step：全局的步数，对应x轴

这里的tag起到唯一标识图像的作用，如果需要两幅图，则重新改写tag！！！

1.4 举例

绘制y = x 的图像。

from torch.utils.tensorboard import SummaryWriter


writer = SummaryWriter("logs")

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

writer.close()

1.5 add_image()方法

def add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats='CHW'):
''' Args: tag (string): Data identifier img_tensor (torch.Tensor, numpy.array, or string/blobname): Image data global_step (int): Global step value to record walltime (float): Optional override default walltime (time.time()) seconds after epoch of event Shape: img_tensor: Default is :math:`(3, H, W)`. You can use ``torchvision.utils.make_grid()`` to convert a batch of tensor into 3xHxW format or call ``add_images`` and let us do the job. Tensor with :math:`(1, H, W)`, :math:`(H, W)`, :math:`(H, W, 3)` is also suitable as long as corresponding ``dataformats`` argument is passed, e.g. ``CHW``, ``HWC``, ``HW``. '''

其中，img_tensor参数类型要求为：torch.Tensor、numpy.array或者string类型。global_step为步骤，int类型。

img_tensor默认的图片尺寸格式为（3，H，W），但是一般我们的图片格式为（H,W,3)，因此需要对图片格式进行调整，调整的方法如下：设置dataformats='HWC'即可！！！

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

writer = SummaryWriter("logs")

img_path = "C:\\Users\\hp\\PycharmProjects\pythonProject\\Pytorch_Learning\\flower_data\\train\daisy\\5547758_eea9edfd54_n.jpg"
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
print(type(img_array))
writer.add_image("test", img_array, 1, dataformats='HWC')

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

writer.close()

1.6 事件文件打开方法：

在PyCharm中，找到项目所在的terminal，

tensorboard --logdir=事件文件所在的文件夹名 --port=端口号

在弹出的网址上打开即可。

2. 常见的报错情况

2.1 ImportError: TensorBoard logging requires TensorBoard version 1.15 or above

tensorboard版本过低，卸载后重新安装最新版本。

2.2 AttributeError: module ‘tensorflow._api.v1.io’ has no attribute ‘gfile’

tensorflow 的版本和tensorboard的版本不匹配。升级tensorflow版本为2.0版本即可，执行下面命令会自动升级tensorflow版本和tensorboard版本：

pip install tensorflow==2.0

2.3 ModuleNotFoundError: No module named ‘grpc’

重新安装grpcio

pip uninstall grpcio

pip install grpcio

2.4 No dashboards are active for the current data set.

打开的文件位置不存在，将文件夹位置的绝对路径复制，然后重新执行terminal语句即可