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：

 
 
 
 
      
  
  
  
  1. usage: tensorboard [-h] [--helpfull] [--logdir PATH] [--logdir_spec PATH_SPEC]  
    2.   
  
  
  
  2.                    [--host ADDR] [--bind_all] [--port PORT]  
    3.   
  
  
  
  3.                    [--purge_orphaned_data BOOL] [--db URI] [--db_import]  
    4.   
  
  
  
  4.                    [--inspect] [--version_tb] [--tag TAG] [--event_file PATH]  
    5.   
  
  
  
  5.                    [--path_prefix PATH] [--window_title TEXT]  
    6.   
  
  
  
  6.                    [--max_reload_threads COUNT] [--reload_interval SECONDS]  
    7.   
  
  
  
  7.                    [--reload_task TYPE] [--reload_multifile BOOL]  
    8.   
  
  
  
  8.                    [--reload_multifile_inactive_secs SECONDS]  
    9.   
  
  
  
  9.                    [--generic_data TYPE]  
    10.   
  
  
  
  10.                    [--samples_per_plugin SAMPLES_PER_PLUGIN]  
    11.   
  
  
  
  11.                    [--debugger_data_server_grpc_port PORT]  
    12.   
  
  
  
  12.                    [--debugger_port PORT] [--master_tpu_unsecure_channel ADDR] 
    13.

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。

 
 
 
 
      
  
  
  
  1. # 导入SummaryWriter  
    2.   
  
  
  
  2. from torch.utils.tensorboard import SummaryWriter  
    3.   
  
  
  
  3. ...  
    4.   
  
  
  
  4. # 创建SummaryWriter实例，指定log_dir的位置  
    5.   
  
  
  
  5. summaryWriter = SummaryWriter(log_dir="/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs")  
    6.   
  
  
  
  6. ...  
    7.   
  
  
  
  7. # 模型训练时，写入train_loss、test_loss、score等信息  
    8.   
  
  
  
  8. summaryWriter.add_scalars("loss", {"train_loss_avg": train_loss_avg, "test_loss_avg": test_loss_avg}, epoch)  
    9.   
  
  
  
  9. summaryWriter.add_scalar("score", score, epoch) 
    10.

启动 TensorBoar ，训练过程可视化。

1）启动命令：

 
 
 
 
      
  
  
  
  1. tensorboard --logdir=/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs 
    2.

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：

 
 
 
 
      
  
  
  
  1. usage: server.py [-h] [-port port] [--hostname hostname] [-base_url base_url]  
    2.   
  
  
  
  2.                  [-env_path env_path] [-logging_level logger_level]  
    3.   
  
  
  
  3.                  [-readonly] [-enable_login] [-force_new_cookie]  
    4.   
  
  
  
  4.                  [-use_frontend_client_polling] 
    5.

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：

 
 
 
 
      
  
  
  
  1. # 导入visdom包  
    2.   
  
  
  
  2. import visdom  
    3.   
  
  
  
  3. # 创建Visdom对象，连接服务端，指定env环境(不指定默认env="main")  
    4.   
  
  
  
  4. viz = visdom.Visdom(server='http://localhost', port=8097, env='liyunfei')  
    5.   
  
  
  
  5. ...  
    6.   
  
  
  
  6. viz.line([0.], [0], win='train_loss', opts=dict(title='train_loss'))  
    7.   
  
  
  
  7. viz.line([0.], [0], win='accuracy', opts=dict(title='accuracy'))  
    8.   
  
  
  
  8. ...  
    9.   
  
  
  
  9. # 模型训练时，实时可视化loss、accuracy等信息。  
    10.   
  
  
  
  10. viz.line([train_loss_avg], [epoch], win='train_loss', update='append')  
    11.   
  
  
  
  11. viz.line([accuracy], [epoch], win='accuracy', update='append') 
    12.

4）可视化结果：

5）其它操作——可视化一张/多张图片：

示例：

 
 
 
 
      
  
  
  
  1. import visdom  
    2.   
  
  
  
  2. import numpy as np  
    3.   
  
  
  
  3. viz = visdom.Visdom(server='http://localhost', port=8097, env='liyunfei')  
    4.   
  
  
  
  4. # 一张图片  
    5.   
  
  
  
  5. viz.image(  
    6.   
  
  
  
  6.     np.random.rand(3, 512, 256),  
    7.   
  
  
  
  7.     opts=dict(title='Random!', caption='How random.'),  
    8.   
  
  
  
  8. )  
    9.   
  
  
  
  9. # 多张图片  
    10.   
  
  
  
  10. viz.images(  
    11.   
  
  
  
  11.     np.random.randn(20, 3, 64, 64),  
    12.   
  
  
  
  12.     nrow=5,  
    13.   
  
  
  
  13.     opts=dict(title='Random images', caption='How random.')  
    14.   
  
  
  
  14. ) 
    15.

效果：

6）Visdom 的更多可视化 API（常用的是 line、image、text）：

 
 
 
 
      
  
  
  
  1. vis.scatter : 2D 或 3D 散点图  
    2.   
  
  
  
  2. vis.line : 线图  
    3.   
  
  
  
  3. vis.stem : 茎叶图  
    4.   
  
  
  
  4. vis.heatmap : 热力图  
    5.   
  
  
  
  5. vis.bar : 条形图  
    6.   
  
  
  
  6. vis.histogram: 直方图  
    7.   
  
  
  
  7. vis.boxplot : 箱型图  
    8.   
  
  
  
  8. vis.surf : 表面图  
    9.   
  
  
  
  9. vis.contour : 轮廓图  
    10.   
  
  
  
  10. vis.quiver : 绘出二维矢量场  
    11.   
  
  
  
  11. vis.image : 图片  
    12.   
  
  
  
  12. vis.text : 文本  
    13.   
  
  
  
  13. vis.mesh : 网格图  
    14.   
  
  
  
  14. vis.save : 序列化状态 
    15.

文章题目：PyTorch可视化工具：TensorBoard、Visdom
文章来源：http://www.mswzjz.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

广告

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

网站营销知识

行业网站建设

微信公众号二次开发　　 　重庆移动机房托管　　 　达州主机托管　　 　成都广告公司　　 　成都做网站　　 　成都全网营销　　 　营销型网站建设　　 　网上商城开发　　 　网站设计制作　　 　双流网站建设　　 　成都托管服务器　　 　东电技改　　 　php空间　　 　重庆教育培训网站建设　　 　重庆网络营销　　 　犀浦防纹窗　　 　成都木托盘　　 　高端网站建设　　 　重庆网站制作　　 　绵阳梓潼做网站