0
点赞
收藏
分享

微信扫一扫

pytorch使用TensorBoard可视化图像信息


在训练神经网络时,我们希望能够直观地训练情况,例如损失函数的曲线、输入的图像、模型精度等信息,这些信息可以帮助我们更好地监督网络的训练过程,并为参数优化提供方向和依据。

其实我们可以有个更容易地实现方式就是定义一个列表,然后将每个epoch的训练结果添加到列表中,待模型训练完成之后,使用这个列表中的数据进行可视化以及绘图操作等。

本文提供一个更为专业的操作,它是一个常用的可视化工具:TensorBoard

PyTorch已经内置了TensorBoard的相关接口,用户在安装后便可调用相关接口进行数据可视化。

pytorch使用TensorBoard可视化图像信息_人工智能

代码如下

data_transform = T.Compose([
T.ToTensor(),
T.Normalize((0.5,), (0.5,))
])

train_dataset = torchvision.datasets.MNIST('./', train=True, transform=data_transform)
val_dataset = torchvision.datasets.MNIST('./', train=False, transform=data_transform)

train_loader = torch.utils.data.DataLoader(train_dataset, 16)
val_loader = torch.utils.data.DataLoader(val_dataset, 16)

img, labels = next(iter(train_loader))
grid = torchvision.utils.make_grid(img)

logger = SummaryWriter(log_dir='./log')
logger.add_image('images', grid, 0)

首先定义日志写入器,然后将图像网格信息写入即可


举报

相关推荐

0 条评论