PyTorch 可视化工具TensorBoard和Visdom
一、TensorBoard
TensorBoard 一般都是作为 TensorFlow 的可视化工具，与 TensorFlow 深度集成，它能够展现 TensorFlow 的网络计算图，绘制图像生成的定量指标图以及附加数据等。
此外，TensorBoard 也是一个独立工具，在 PyTorch 中也可使用它进行可视化。
1、安装：
pip install tensorboard
2、启动：
tensorboard --logdir="日志目录"
启动 tensorboard 时，可指定 logdir、port（默认6006）、host（默认localhost）等参数：
3、Tensorboard 可视化演示(PyTorch 框架)：
训练模型，导入tensorboard. SummaryWriter 保存loss、accuracy 等日志信息。
# 导入SummaryWriter
from torch.utils.tensorboard import SummaryWriter
...
# 创建SummaryWriter实例，指定log_dir的位置
summaryWriter = SummaryWriter(log_dir="/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs")
...
# 模型训练时，写入train_loss、test_loss、score等信息
summaryWriter.add_scalars("loss", {"train_loss_avg": train_loss_avg, "test_loss_avg": test_loss_avg}, epoch)
summaryWriter.add_scalar("score", score, epoch)
启动 TensorBoar ，训练过程可视化。
1）启动命令：
tensorboard --logdir=/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs
二、Visdom
Visdom 是 Facebook 专门为 PyTorch 开发的一款可视化工具，能够支持“远程数据”的可视化，支持 Torch 和 Numpy。GitHub 地址：https://github.com/fossasia/visdom
1、安装：
pip install visdom
2、启动：
python -m visdom.server
-m 是以模块服务启动
如果是 linux/mac-os 环境，可以使用以下命令启动运行在后台
nohup python -m visdom.server &
启动 Visdom 时，可以指定 port（默认8097）、hostname（默认localhost）等其它参数：
usage: server.py [-h] [-port port] [--hostname hostname] [-base_url base_url]
[-env_path env_path] [-logging_level logger_level]
[-readonly] [-enable_login] [-force_new_cookie]
[-use_frontend_client_polling]3、Visdom 可视化演示
1）启动 Visdom：
python -m visdom.server -port 8097
2）启动成功如下：
3）训练过程可视化代码：
# 导入visdom包
import visdom
# 创建Visdom对象，连接服务端，指定env环境(不指定默认env="main")
viz = visdom.Visdom(server='http://localhost', port=8097, env='liyunfei')
...
viz.line([0.], [0], win='train_loss', opts=dict(title='train_loss'))
viz.line([0.], [0], win='accuracy', opts=dict(title='accuracy'))
...
# 模型训练时，实时可视化loss、accuracy等信息。
viz.line([train_loss_avg], [epoch], win='train_loss', update='append')
viz.line([accuracy], [epoch], win='accuracy', update='append')
4）可视化结果：
5）其它操作——可视化一张/多张图片：
示例：
import visdom
import numpy as np
viz = visdom.Visdom(server='http://localhost', port=8097, env='liyunfei')
# 一张图片
viz.image(
np.random.rand(3, 512, 256),
opts=dict(title='Random!', caption='How random.'),
)
# 多张图片
viz.images(
np.random.randn(20, 3, 64, 64),
nrow=5,
opts=dict(title='Random images', caption='How random.')
)
效果：
6）Visdom 的更多可视化 API（常用的是 line、image、text）：
vis.scatter : 2D 或 3D 散点图
vis.line : 线图
vis.stem : 茎叶图
vis.heatmap : 热力图
vis.bar : 条形图
vis.histogram: 直方图
vis.boxplot : 箱型图
vis.surf : 表面图
vis.contour : 轮廓图
vis.quiver : 绘出二维矢量场
vis.image : 图片
vis.text : 文本
vis.mesh : 网格图
vis.save : 序列化状态
到此这篇关于PyTorch 可视化工具TensorBoard和Visdom的文章就介绍到这了,更多相关PyTorch 可视化工具内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
