Pytorch学习笔记——Conv2d与Tensorboard的结合使用

---

一、两者介绍及结合后的优势

1、Conv2d简要介绍

Conv2d是深度学习框架中用于执行二维卷积操作的函数或类。它接受输入数据(通常是图像)和卷积核作为参数，输出卷积特征图。这些特征图可以进一步用于分类、检测或其他计算机视觉任务。

2、TensorBoard简要介绍

TensorBoard是一个强大的可视化工具，用于展示深度学习模型的各个方面。它可以展示模型的网络结构、参数分布、训练曲线以及图像、音频等媒体数据。通过使用TensorBoard，能够让研究人员和开发者可以更好地理解和调试模型，从而提高模型的性能和效果。

3、结合后的优势

在使用Conv2d进行卷积操作以提取图像特征的同时，利用TensorBoard可视化这些特征以及模型的训练过程，直观地展示包含Conv2d层的神经网络结构，展示训练曲线与指标等。

二、对之前代码进行改造

1、引入相关包

相关代码如下：

import torchvision
from torch.nn import Conv2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
1
2
3
4

提示：第二个是导入Conv2d包，第三个导入数据加载包，第四个是导入Tensorboard的依赖包

2、加载测试数据

代码如下：

# 加载测试集数据
dataset = torchvision.datasets.CIFAR10(root="data1",train=False,transform=torchvision.transforms.ToTensor(),download=True)
# 创建加载器对象
dataloader = DataLoader(dataset,batch_size=64)
1
2
3
4

1、train=False 代表下载测试集数据，为True则下载训练集数据
2、transform=torchvision.transforms.ToTensor()则代表使用ToTensor转换，将PIL.Image或ndarray转换成torch.FloatTensor
3、batch_size=64 意味着每次训练时，模型将处理64个样本

3、创建神经网络

代码如下：

# 定义一个神经网络类NN，继承自nn.Module
class NN(nn.Module):
    def __init__(self):
        super(NN, self).__init__()  # 调用父类nn.Module的构造函数
        # 定义一个二维卷积层，输入通道数为3（对应RGB图像），输出通道数为6，卷积核大小为3x3，步长为1，无填充
        self.conv1 = Conv2d(in_channels=3, out_channels=6, kernel_size=3, stride=1, padding=0)

    # 定义前向传播函数
    def forward(self, x):
        # 将输入x通过卷积层，并返回输出
        x = self.conv1(x)
        return x

# 实例化神经网络类NN
mynn = NN()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

4、将信息写入Tensorboard

代码如下：

# 创建一个SummaryWriter对象，用于将信息写入TensorBoard
writer = SummaryWriter("conv2d")
# 初始化step变量，用于记录TensorBoard中的步骤
step = 0

# 遍历数据加载器中的数据
for data in dataloader:
    # 解包数据和标签
    imgs, targets = data
    # 将图片数据通过神经网络得到输出
    output = mynn(imgs)
    # 打印输出数据的形状
    print(output.shape)  # 应该是类似 [64, 6, 30, 30] 的形状，因为卷积操作会减少空间维度

    # 使用TensorBoard的add_images函数来可视化输入图像
    writer.add_images("input_conv", imgs, step)
    output = torch.reshape(output, (-1, 3, 30, 30))
    writer.add_images("output_conv", output, step)

    # 更新step变量
    step += 1

# 关闭SummaryWriter，确保所有数据都被写入TensorBoard
writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

---

三、进行训练，启动Tensorboard

运行python文件后，运行终端

(pytorch) D:\PycharmProjects\learn_pytorch>tensorboard --logdir="conv2d"
1

注意：logdir="conv2d"里面的conv2d是创建SummaryWriter对象指定的路径

点击http://localhost:6006/，在浏览器查看

(pytorch) D:\PycharmProjects\learn_pytorch>tensorboard --logdir="conv2d"
TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.16.2 at http://localhost:6006/ (Press CTRL+C to quit)
1
2
3
4

运行结果如下：