PyTorch可视化工具：TensorBoard、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。

创新互联建站主营零陵网站建设的网络公司,主营网站建设方案,手机APP定制开发,零陵h5小程序开发搭建,零陵网站营销推广欢迎零陵等地区企业咨询

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：

 
 
 
   
  
  
  usage: tensorboard [-h] [--helpfull] [--logdir PATH] [--logdir_spec PATH_SPEC]    
  
  
                     [--host ADDR] [--bind_all] [--port PORT]    
  
  
                     [--purge_orphaned_data BOOL] [--db URI] [--db_import]    
  
  
                     [--inspect] [--version_tb] [--tag TAG] [--event_file PATH]    
  
  
                     [--path_prefix PATH] [--window_title TEXT]    
  
  
                     [--max_reload_threads COUNT] [--reload_interval SECONDS]    
  
  
                     [--reload_task TYPE] [--reload_multifile BOOL]    
  
  
                     [--reload_multifile_inactive_secs SECONDS]    
  
  
                     [--generic_data TYPE]    
  
  
                     [--samples_per_plugin SAMPLES_PER_PLUGIN]    
  
  
                     [--debugger_data_server_grpc_port PORT]    
  
  
                     [--debugger_port PORT] [--master_tpu_unsecure_channel ADDR]

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

2）启动成功如图示：

3）可视化结果如下：

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

分享题目：PyTorch可视化工具：TensorBoard、Visdom
文章位置：http://www.shufengxianlan.com/qtweb/news10/189010.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容