1.可视化

代码使用了 torch.utils.tensorboard 将数据记录到 TensorBoard 以便可视化。具体来说，它将标量数据记录到目录 logs 中，使用的是 SummaryWriter 类。

代码分解如下：

1. SummaryWriter("logs")：初始化一个 TensorBoard 的写入器，日志会保存到 "logs" 目录。
2. writer.add_scalar("y=x", i, i)：在循环的每一次迭代中，写入器都会记录一个名为 "y=x" 的标量数据，标量的值和步数都等于 i。这实际上是在记录一条 y = x 的直线。
3. writer.close()：关闭写入器，确保所有数据都已写入到磁盘。

运行这段代码后，使用以下命令在 pycharm控制台中可视化结果：

tensorboard --logdir=logs

然后在浏览器中访问 localhost:6006 来查看记录的标量数据。

from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")
# writer.add_image()

for i in range(100):
    writer.add_scalar("y=x",i,i)
writer.close()

2显示图像

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer=SummaryWriter("logs")
image_path="hymenoptera_data/train/ants/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)
writer.add_image("test",img_array,1,dataformats="HWC")

for i in range(100):
    writer.add_scalar("y=x",i,i)
writer.close()