在 GitHub 上编辑
Live.log_image()
将给定的图像 val 保存到输出文件 name 中。
def log_image(name: str, val):用法
from dvclive import Live
with Live(cache_images=True) as live:
# 1. Log an image from a numpy array:
import numpy as np
img_numpy = np.ones((500, 500), np.uint8) * 255
live.log_image("numpy.png", img_numpy)
# 2. Or log a matplotlib figure:
from matplotlib import pyplot as plt
fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4])
live.log_image("matplotlib.png", fig)
# 3. Or log a `PIL.image`:
from PIL import Image
img_pil = Image.new("RGB", (500, 500), (250, 250, 250))
live.log_image("pil.png", img_pil)
# 4. Or log an existing image:
live.log_image("sample.png", "run/batch_0_sample.png")描述
val 支持的值包括：
- 有效的 NumPy 数组（可通过 PIL.Image.fromarray 转换为图像）
- 一个
matplotlib.figure.Figure实例 - 一个
PIL.Image实例 - 图像文件的路径（
str或Path），其格式需能被PIL.Image.open()读取
图像将被保存至 {Live.plots_dir}/images/{name}。当使用 Live(cache_images=True) 时，图像目录也会在 Live.end() 中被缓存。此时，会生成一个 .dvc 文件以跟踪该目录，并将目录添加到 .gitignore 文件中，以防止 Git 跟踪：
dvclive
└── plots
├── .gitignore
├── images
│ ├── numpy.png
│ ├── matplotlib.png
│ ├── pil.png
│ └── sample.png
└── images.dvc可通过 dvc plots 可视化已记录的图像：
$ dvc plots diff dvclive/plots每步的图像
默认情况下，每次步骤中图像都会被覆盖。但你可以使用以下模式记录图像：live.log_image(f"folder/{live.step}.png", img)：
import numpy as np
from dvclive import Live
with Live() as live:
base_img = np.ones((500, 500), np.uint8)
for i in range(10):
live.log_image(
f"numpy/{live.step}.png", base_img * i * 10)
live.next_step()在 DVC Studio 和 VSCode 的 DVC 扩展 中，符合此模式的文件夹将通过图像滑块进行渲染：
参数
-
name- 此命令输出的图像文件名。 -
val- 要保存的图像。支持的值列表请参见 描述。
异常
dvclive.error.InvalidDataTypeError- 当提供的val类型不受支持时抛出。