⭐本文内容：TensorBoard、Transforms、Dataload

TensorBoard

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
for i in range(100):
  writer.add_scalar("y=x",i,i)
writer.close()

%load_ext tensorboard
%tensorboard --logdir /content/logs #注意路径

%tensorboard --logdir /content/logs：保存这个插件，到logs文件夹中

writer = SummaryWriter("logs")：()里面的logs，是%tensorboard --logdir /content/logs的logs

类“SummaryWriter”提供了创建事件文件的高级API 并添加摘要和事件。类更新 异步文件内容。这允许培训程序调用方法 直接从训练循环向文件中添加数据，而不会减慢速度训练

writer.add_image()函数

• 示例：writer.add_image("test",img,1,dataformats='HWC') #注意dataformats='HWC'表示通道、长、宽的排序

• 作用：添加image到tensorBoard中

• 参数：

。img_tensor：数据类型（torch.Tensor, numpy.array, or string/blobname）

Transforms

Transforms：图像预处理的工具

变换数据类型：tensor_trans = transforms.ToTensor()(img)，注意在（）后面加上（img）

Dataload

import torchvision
from torch.utils.data import DataLoader
# 准备测试集 
test_data = torchvision.datasets.CIFAR10("/content/drive/MyDrive/Learn-                      pytorch/dataset",train=False,download=True,transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_data,batch_size=64,shuffle=True,num_workers=0)

torchvision.datasets()函数

• 示例：test_data = torchvision.datasets.CIFAR10("/content/drive/MyDrive/Learn-pytorch/dataset",train=False,download=True,transform=torchvision.transforms.ToTensor())

• 作用：加载官方自带的数据集，返回img,target（图片+标签）

• 参数：

。.CIFAR10：数据集名称

。“/content/drive/MyDrive/Learn-pytorch/dataset”：数据集的路径，如没有则新建一个文件夹

。train=False：是不是用来训练的，如：train=False表示是测试集

。download=True：是否下载

。transform=torchvision.transforms.ToTensor()：数据格式的转换

DataLoader()函数

• 示例：test_loader = DataLoader(dataset=test_data,batch_size=64,shuffle=True,num_workers=0)
• 作用：和torchvision.datasets()联用，将数据集以一定的方式打包
• 参数：

。batch_size=64：一个test_data随机抓取64张图片

writer = SummaryWriter("dataloader")
step = 0
for data in test_loader:
  imgs,targets = data
  writer.add_images("test_image",imgs,step)
  step = step+1
writer.close()

🚀注意SummaryWriter(“dataloader”)、writer.add_images