1、SummaryWriter,功能:提供创建event file的高级接口
class SummaryWriter(object):
def __init__(self, log_dir=None, comment='',purge_step=None, max_queue=10,flush_secs=120, filename_suffix=’’)
主要属性:
• log_dir:event file输出文件夹
• comment:不指定log_dir时,
文件夹后缀
• filename_suffix:event file文件名后缀
2、. add_scalar(),功能:记录标量
add_scalar(tag, scalar_value, global_step=None,walltime=None)
• tag:图像的标签名,图的唯一标识
• scalar_value:要记录的标量
• global_step:x轴
3、. add_scalars(),功能:记录标量
add_scalars(main_tag, tag_scalar_dict,global_step=None, walltime=None)
• main_tag:该图的标签
• tag_scalar_dict:key是变量的tag,value是变量的值
4、 . add_histogram(),功能:统计直方图与多分位数折线图
add_histogram(tag, values, global_step=None,bins='tensorflow', walltime=None)
• tag:图像的标签名,图的唯一标识
• values:要统计的参数
• global_step:y轴
• bins:取直方图的bins
5、. add_image(),功能:记录图像
add_image(tag, img_tensor, global_step=None,walltime=None, dataformats='CHW')
• tag:图像的标签名,图的唯一标识
• img_tensor:图像数据,注意尺度
• global_step:x轴
• dataformats:数据形式,CHW,HWC,HW
6、torchvision.utils.make_grid,功能:制作网格图像
make_grid(tensor, nrow=8, padding=2,normalize=False, range=None, scale_each=False,pad_value=0)
• tensor:图像数据, B*C*H*W形式
• nrow:行数(列数自动计算)
• padding:图像间距(像素单位)
• normalize:是否将像素值标准化
• range:标准化范围
• scale_each:是否单张图维度标准化
• pad_value:padding的像素值
7、. add_graph(),功能:可视化模型计算图
add_graph(model, input_to_model=None, verbose=False)
• model:模型,必须是 nn.Module
• input_to_model:输出给模型的数据
• verbose:是否打印计算图结构信息
8、torch.summary,功能:查看模型信息,便于调试
summary(model, input_size, batch_size=-1,device="cuda")
• model:pytorch模型
• input_size:模型输入size
• batch_size:batch size
• device:“cuda” or “cpu”