小土堆Pytorch学习（二）Transforms和Tensorboard

  1.Tensorboard

SummaryWriter()

SummaryWriter 创建一个tensorboard文件, 文件保存在log_dir 目录(自己指定的目录)写文件，该文件可以被tensorboard解析

参数：

log_dir: 保存目录位置。 默认值为 run/CURRENT_DATETIME_HOSTNAME ，每次运行后都会更改。指明 writer 把summary内容 写在哪个目录下

flush_secs: 表示写入tensorboard文件的时间间隔

writer.add_scalar()

add_scalar()函数的目的是添加一个标量数据（scalar data）到summary中

tag：标签                                   类似于图表的标题
scalar_value：标签的值             对应y轴
global_step：标签的x轴坐标      对应x轴

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

writer.add_image()

tag：函数是该图片可视化的时候的标题；

img_tensor：参数传入的是代表你要展示的图片的内容，格式必须要转换为 : torch.Tensor ，Numpy.array ，string（字符串）

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer = SummaryWriter("logs")

img_path="dataset/train/ants/0013035.jpg"
img_PIL=Image.open(img_path)
print(type(img_PIL))
#<class 'PIL.JpegImagePlugin.JpegImageFile'>  要进行类型转换 例：转换为numpy型

img_array=np.array(img_PIL)
print(img_array.shape)
#(512, 768, 3)

#writer.add_image("test",img_array,1) 会报错原因如下
# Shape:
# img_tensor: Default is :math:`(3, H, W)`. You can use ``torchvision.utils.make_grid()``
# Tensor with :math:`(1, H, W)`, :math:`(H, W)`, :math:`(H, W, 3)` is also suitable as long as orresponding ``dataformats`` argument is passed, e.g. ``CHW``, ``HWC``, ``HW``.

#修改后
writer.add_image("test",img_array,1,dataformats='HWC')
writer.close()  

#这里一定要注意一下：从PIL利用numpy转换到numpy.array格式，需要在add_image()函数的参数中，利用dataformats明确指定出shape中的每一个维度都表示的啥含义（三维的话就应该是'HWC'）

   2.Transforms

  transforms.py 类似工具箱里面有很多种方法

class torchvision.transforms.ToTensor 使用实例：

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

img_path="dataset/train/ants/0013035.jpg"
img=Image.open(img_path)
print(type(img))
#<class 'PIL.JpegImagePlugin.JpegImageFile'> 

writer = SummaryWriter("logs")

#transforms如何使用   ————实例化 ToTensor类
tensor_trans=transforms.ToTensor()
tensor_img=tensor_trans(img)

writer.add_image("tensor_image",tensor_img)
writer.close()

#在终端输入
(pytorch) D:\Desktop\Python>Tensorboard --logdir=logs

运行结果显示，输入的是Tensor类型的图片 

class torchvision.transforms.Normalize 使用实例： 

#Normalize 归一化
print(tensor_img[0][0][0])
#trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
trans_norm=transforms.Normalize([1,3,8],[2,4,9])
norm_img=trans_norm(tensor_img)
print(norm_img[0][0][0])
#writer.add_image("Normalize_image",norm_img)
writer.add_image("Normalize_image",norm_img,1)

writer.close()

#运行输出
#tensor(0.3137)
#tensor(-0.3431)

计算公式： 

运行结果展示：

 class torchvision.transforms.Resize 使用实例：

#Resize
trans_resize=transforms.Resize((512,512))
#将图片大小改为512*512
# img PIL -> Resize -> img_resize PIL
img_resize=trans_resize(img)
print(img_resize) #输出图片类型
# img_resize PIL -> ToTensor -> img_resize tensor
img_resize=tensor_trans(img_resize)
writer.add_image("Resize_image",img_resize,0)
writer.close()

运行结果：