【pytorch】tensorboard + transforms的使用

这篇具有很好参考价值的文章主要介绍了【pytorch】tensorboard + transforms的使用。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、tensorboard的使用

1. 加载一张图片转化为tensor类型,并通过tenboard可视化

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

img_path = "dataset/train/ants_image/0013035.jpg"

img = Image.open(img_path)

#print(img)
writer = SummaryWriter('logs')

tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)

writer.add_image("Tesnor_img",tensor_img)

#print(tensor_img)

writer.close()


#在Terminal中输入 tensorboard --logdir=logs

【pytorch】tensorboard + transforms的使用,pytorch框架学习记录,pytorch,人工智能,python

 二、transforms的常用函数

细心的小伙伴已发现了,上面已经使用了transforms了,我们在添加图片时,用到了ToTensor()这个函数。

ToTensor()函数:

将一个PIL类型转换成tensor类型;

#totensor
tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)
writer.add_image("to_Tesnor",tensor_img)
print(tensor_img)

【pytorch】tensorboard + transforms的使用,pytorch框架学习记录,pytorch,人工智能,python

Normalize() 函数:

用于归一化,使他的范数或者数值在一定的范围。

#normalize
trnas_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trnas_norm(tensor_img)
print(img_norm[0][0][0])

writer.add_image("normalize",img_norm)

【pytorch】tensorboard + transforms的使用,pytorch框架学习记录,pytorch,人工智能,python

Resize()函数: 

用来调整数组大小。

#resize
print(img)
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img)

img_resize = tensor_trans(img_resize)

writer.add_image("resize",img_resize,0)
print(img_resize)

【pytorch】tensorboard + transforms的使用,pytorch框架学习记录,pytorch,人工智能,python

 

Compose()函数:

简单来说就是将各种操作就行联合起来进行操作,注意操作顺序。

#compose
trans_resize_2 = transforms.Resize(512)

trans_compose = transforms.Compose([trans_resize_2,tensor_trans])
img_resize_2 = trans_compose(img)
writer.add_image("resize",img_resize_2,1)

 RandomCrop()函数:

随机裁剪函数,看效果,这里只展示了一步。

#randomcrop
trans_random = transforms.RandomCrop(128)

trans_compose_2 = transforms.Compose([trans_random,tensor_trans])

for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("Randomcrop",img_crop,i)


writer.close()

【pytorch】tensorboard + transforms的使用,pytorch框架学习记录,pytorch,人工智能,python


tensorboard配合transforms就是pytorch学习中的两大利器 文章来源地址https://www.toymoban.com/news/detail-689229.html

到了这里,关于【pytorch】tensorboard + transforms的使用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Pytorch深度学习实战3-8:详解数据可视化组件TensorBoard安装与使用

    在深度学习领域,网络内部如同黑箱,其中包含大量的连接参数,这给人工调试造成极大的困难。 Tensorboard 则是神经网络的可视化工具,可以记录训练过程的数字、图像、运行图等内容,方便研究人员对训练参数进行统计,观察神经网络训练过程并指导参数优化。 参考

    2023年04月09日
    浏览(31)
  • TensorBoard快速入门(Pytorch使用TensorBoard)

    TensorBoard 是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程,例如: 记录 损失变化、准确率变化 等 记录 图片变化、语音变化、文本变化等 ,例如在做GAN时,可以过一段时间记录一张生成的图片 绘制模型 具体支持的内容可以参考官方文档 直接使用pip安

    2024年01月20日
    浏览(23)
  • 人工智能深度学习100种网络模型,精心整理,全网最全,PyTorch框架逐一搭建

    大家好,我是微学AI,今天给大家介绍一下人工智能深度学习100种网络模型,这些模型可以用PyTorch深度学习框架搭建。模型按照个人学习顺序进行排序: 深度学习模型 ANN (Artificial Neural Network) - 人工神经网络:基本的神经网络结构,包括输入层、隐藏层和输出层。 学习点击地

    2024年02月14日
    浏览(32)
  • 在 Pytorch 中使用 TensorBoard

    机器学习的训练过程中会产生各类数据,包括 “标量scalar”、“图像image”、“统计图diagram”、“视频video”、“音频audio”、“文本text”、“嵌入Embedding” 等等。为了更好地追踪和分析这些数据,许多可视化工具应运而生,比如之前介绍的 wandb 本文介绍另一种更加常用的

    2024年02月11日
    浏览(24)
  • TensorBoard——Pytorch版使用(附带案例演示)

    TensorBoard是一个用于可视化机器学习实验结果的工具,可以帮助我们更好地理解和调试训练过程中的模型。 在PyTorch中,我们可以使用TensorBoardX库来与TensorBoard进行交互。TensorBoardX是一个PyTorch的扩展,它允许我们将PyTorch的训练中的关键指标和摘要写入TensorBoard的事件文件中。

    2024年03月11日
    浏览(31)
  • 人工智能(Pytorch)搭建transformer模型,真正跑通transformer模型,深刻了解transformer的架构

    大家好,我是微学AI,今天给大家讲述一下人工智能(Pytorch)搭建transformer模型,手动搭建transformer模型,我们知道transformer模型是相对复杂的模型,它是一种利用自注意力机制进行序列建模的深度学习模型。相较于 RNN 和 CNN,transformer 模型更高效、更容易并行化,广泛应用于神

    2023年04月10日
    浏览(45)
  • 学习pytorch4 transforms的使用

    B站小土堆视频学习 类实例化–__call__方法调用 输出结果: tensor数据类型包含了神经网络需要用到的一些参数 https://blog.csdn.net/qq_28306361/article/details/103519982 hook的使用 回答1: 可能是因为保存的RGB通道不一样导致的

    2024年02月12日
    浏览(21)
  • 深度学习基础之《TensorFlow框架(3)—TensorBoard》

    一、TensorBoard可视化学习 1、TensorFlow有一个亮点就是,我们能看到自己写的程序的可视化效果,这个功能就是TensorBoard 2、TensorFlow可用于训练大规模深度神经网络所需的计算,使用该工具涉及的计算往往复杂而深奥。为了方便TensorFlow程序的理解、调试和优化,TensorFlow提供了

    2024年02月21日
    浏览(27)
  • Pytorch使用TensorBoard(使用AutoDL快速入门)(mac系统)

    AutoDL配有miniconda,提供 tensorboard 监控 没有账号的可以注册体验,新用户注册有十元免费代金券 https://www.autodl.com/register?code=c7d8238d-2b58-4765-a38a-1b9c3f39926e 终端进入项目环境,输入命令安装 终端输入: 正常输出则安装成功 导入包 创建一个SummaryWriter对象:用于创建一个log文件

    2024年02月06日
    浏览(204)
  • pytorch中使用TensorBoard进行可视化Loss及特征图

    安装TensorBoard 导入TensorBoard 实例化TensorBoard 训练过程中的loss,accuracy等都是标量,都可以用TensorBoard中的add_scalar来显示,add_scalar方法中第一个参数表示表的名字,第二个参数表示的是你要存的值,第三个参数可以理解为x轴坐标。 终端输入tensorboard --logdir=logs,开启TensorBoard

    2023年04月12日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包