当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python tf.summary.image用法及代码示例


写一个图像摘要。

用法

tf.summary.image(
    name, data, step=None, max_outputs=3, description=None
)

参数

  • name 此摘要的名称。用于 TensorBoard 的摘要标记将是此名称,以任何活动名称范围为前缀。
  • data 一个Tensor表示像素数据,形状为[k, h, w, c],其中k是图像数量,hw是图像的高度和宽度,c是通道数,其中应为 1、2、3 或 4(灰度、带 alpha 的灰度、RGB、RGBA)。任何尺寸都可能是静态未知的(即 None )。浮点数据将被裁剪到 [0,1] 范围内。使用 tf.image.convert_image_dtype 将其他数据类型剪裁到允许的范围内,以便安全地转换为 uint8。
  • step 此摘要的显式 int64 -castable 单调步长 值。如果省略,则默认为 tf.summary.experimental.get_step() ,不能为 None。
  • max_outputs 可选的 int 或 rank-0 整数 Tensor 。每一步最多会发出这么多图像。当提供多于 max_outputs many 图像时,将使用前 max_outputs many 图像,其余的将被静默丢弃。
  • description 此摘要的可选长格式说明,作为常量 str 。支持Markdown 。默认为空。

返回

  • 成功时为真,如果因为没有可用的默认摘要编写器而未发出摘要,则为假。

抛出

另见tf.summary.scalartf.summary.SummaryWriter

将图像集合写入当前默认摘要编写器。数据显示在 TensorBoard 的 'Images' 仪表板中。与 tf.summary.scalar 点一样,每个图像集合都与 stepname 相关联。所有具有相同name 的图像集合构成一个时间序列的图像集合。

此示例写入 2 个随机灰度图像:

w = tf.summary.create_file_writer('test/logs')
with w.as_default():
  image1 = tf.random.uniform(shape=[8, 8, 1])
  image2 = tf.random.uniform(shape=[8, 8, 1])
  tf.summary.image("grayscale_noise", [image1, image2], step=0)

为避免裁剪,应将数据转换为以下之一:

  • [0,1] 范围内的浮点值,或
  • [0,255] 范围内的 uint8 值
# Convert the original dtype=int32 `Tensor` into `dtype=float64`.
rgb_image_float = tf.constant([
  [[1000, 0, 0], [0, 500, 1000]],
]) / 1000
tf.summary.image("picture", [rgb_image_float], step=0)

# Convert original dtype=uint8 `Tensor` into proper range.
rgb_image_uint8 = tf.constant([
  [[1, 1, 0], [0, 0, 1]],
], dtype=tf.uint8) * 255
tf.summary.image("picture", [rgb_image_uint8], step=1)

相关用法


注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.summary.image。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。