?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
