【深度学习03】TensorBoard+Transforms+Dataload的使用
文章目录
- TensorBoard
- Transforms
- Dataload
⭐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 = datawriter.add_images("test_image",imgs,step)step = step+1writer.close()
【深度学习03】TensorBoard+Transforms+Dataload的使用相关推荐
- 【深度学习】Tensorboard可视化模型训练过程和Colab使用
[深度学习]Tensorboard可视化模型训练过程和Colab使用 文章目录 1 概述 2 手撸代码实现 3 Colab使用3.1 详细步骤3.2 Demo 4 总结 1 概述 在利用TensorF ...
- 深度学习03——CNN
说明:本系列是七月算法深度学习课程的学习笔记 文章目录 1神经网络与卷积神经网络 1.1 深度神经网络适合计算机视觉处理吗 1.2CNN的结构 1.2.1 数据输入层 1.2.2 卷积层 1.2.3 ...
- 【深度学习】tensorboard中的图片放到论文中
1. 利用tensorboard中的导出数据功能 选中左上角的标签,然后选择csv格式的数据下载即可. 左边的smoothing 数值不影响导出数据的大小. 2.tensorboard 图下标签介绍: ...
- 深度学习(33)随机梯度下降十一: TensorBoard可视化
深度学习(33)随机梯度下降十一: TensorBoard可视化 Step1. run listener Step2. build summary Step3.1 fed scalar(监听标量) S ...
- 图像重建算法_基于深度学习图像重建算法(DLIR)对CT图像质量和剂量优化的研究:体模实验...
编者按:今年Joël Greffier博士等在European Radiology (IF 4.1)上发表了题为<Image quality and dose reduction opportu ...
- tensorflow63 《深度学习原理与TensorFlow实战》03 Hello TensorFlow
00 基本信息 <深度学习原理与TensorFlow实战>书中涉及到的代码主要来源于: A:Tensorflow/TensorflowModel/TFLean的样例, B:https:// ...
- 【深度学习】模型训练过程可视化思路(可视化工具TensorBoard)
[深度学习]模型训练过程可视化思路(可视化工具TensorBoard) 文章目录 1 TensorBoard的工作原理 2 TensorFlow中生成log文件 3 启动TensorBoard,读取l ...
- The Wide and Deep Learning Model(译文+Tensorlfow源码解析) 原创 2017年11月03日 22:14:47 标签: 深度学习 / 谷歌 / tensorf
The Wide and Deep Learning Model(译文+Tensorlfow源码解析) 原创 2017年11月03日 22:14:47 标签: 深度学习 / 谷歌 / tensorfl ...
- 深度学习入门笔记系列(三)——感知器模型和 tensorboard 的使用方法
本系列将分为 8 篇 .今天是第三篇 .主要讲讲感知器模型和 tensorboard 的基本使用方法 . 1. 感知器模型 因为小詹之前写过一篇感知器模型的介绍 ,这里就不赘述了 .有需要巩固的点击如 ...
最新文章
- 计算机专业i7 7500u,8550U比7500U提升多少 8550U和7500U的区别-太平洋电脑网
- 解决Transformer固有缺陷:复旦大学等提出线性复杂度SOFT
- 列表-列表的排序和反转
- 桌面显示激活windows_愚蠢的怪胎技巧:如何在桌面上显示Windows版本
- 【luogu P5022 旅行】 题解
- RedisTemplate设置过期时间
- aes key长度_AES加密(1): 基本AES算法
- android BaseAdapter优化
- python--迭代器与生成器
- Baxter实战 (四)ubuntu14.04安装kinect V2
- python斗鱼抽奖_Python实现抓取斗鱼实时弹幕
- java做游戏前端_小游戏——金庸奇侠传(JAVA,对面向对象的进一步了解)
- Camera成像中的Demosaic
- 计算机ping使用的端口,ping 端口:Ping端口命令的使用方法介绍
- 电阻何时取得最大功率
- 静态资源部署分析和实验
- 观echat的一个例子后有感
- 网格顶点法向量从世界坐标到切空间坐标转换:法向贴图高低模烘焙
- 用yolov5做人脸检测
- 关于Error: EPERM: operation not permitted, mkdir...几种解决办法的比较