PyTorch可視化工具TensorBoard和Visdom

第PyTorch可視化工具TensorBoard和Visdom目錄一、TensorBoard二、Visdom

一、TensorBoard

TensorBoard一般都是作為TensorFlow的可視化工具，與TensorFlow深度集成，它能夠展現(xiàn)TensorFlow的網(wǎng)絡(luò)計(jì)算圖，繪制圖像生成的定量指標(biāo)圖以及附加數(shù)據(jù)等。

此外，TensorBoard也是一個(gè)獨(dú)立工具，在PyTorch中也可使用它進(jìn)行可視化。

1、安裝：

pipinstalltensorboard

2、啟動(dòng)：

tensorboard--logdir=日志目錄

啟動(dòng)tensorboard時(shí)，可指定logdir、port（默認(rèn)6006）、host（默認(rèn)localhost）等參數(shù)：

usage:tensorboard[-h][--helpfull][--logdirPATH][--logdir_specPATH_SPEC]

[--hostADDR][--bind_all][--portPORT]

[--purge_orphaned_dataBOOL][--dbURI][--db_import]

[--inspect][--version_tb][--tagTAG][--event_filePATH]

[--path_prefixPATH][--window_titleTEXT]

[--max_reload_threadsCOUNT][--reload_intervalSECONDS]

[--reload_taskTYPE][--reload_multifileBOOL]

[--reload_multifile_inactive_secsSECONDS]

[--generic_dataTYPE]

[--samples_per_pluginSAMPLES_PER_PLUGIN]

[--debugger_data_server_grpc_portPORT]

[--debugger_portPORT][--master_tpu_unsecure_channelADDR]

3、Tensorboard可視化演示(PyTorch框架)：

訓(xùn)練模型，導(dǎo)入tensorboard.SummaryWriter保存loss、accuracy等日志信息。

#導(dǎo)入SummaryWriter

fromtorch.utils.tensorboardimportSummaryWriter

#創(chuàng)建SummaryWriter實(shí)例，指定log_dir的位置

summaryWriter=SummaryWriter(log_dir="/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs")

#模型訓(xùn)練時(shí)，寫入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)

啟動(dòng)TensorBoar，訓(xùn)練過(guò)程可視化。

1）啟動(dòng)命令：

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

2）啟動(dòng)成功如圖示：

3）可視化結(jié)果如下：

二、Visdom

Visdom是Facebook專門為PyTorch開發(fā)的一款可視化工具，能夠支持遠(yuǎn)程數(shù)據(jù)的可視化，支持Torch和Numpy。GitHub地址：/fossasia/visdom

1、安裝：

pipinstallvisdom

2、啟動(dòng)：

python-mvisdom.server

-m是以模塊服務(wù)啟動(dòng)

如果是linux/mac-os環(huán)境，可以使用以下命令啟動(dòng)運(yùn)行在后臺(tái)

nohuppython-mvisdom.server

啟動(dòng)Visdom時(shí)，可以指定port（默認(rèn)8097）、hostname（默認(rèn)localhost）等其它參數(shù)：

usage:server.py[-h][-portport][--hostnamehostname][-base_urlbase_url]

[-env_pathenv_path][-logging_levellogger_level]

[-readonly][-enable_login][-force_new_cookie]

[-use_frontend_client_polling]

3、Visdom可視化演示

1）啟動(dòng)Visdom：

python-mvisdom.server-port8097

2）啟動(dòng)成功如下：

3）訓(xùn)練過(guò)程可視化代碼：

#導(dǎo)入visdom包

importvisdom

#創(chuàng)建Visdom對(duì)象，連接服務(wù)端，指定env環(huán)境(不指定默認(rèn)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'))

#模型訓(xùn)練時(shí)，實(shí)時(shí)可視化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）可視化結(jié)果：

5）其它操作可視化一張/多張圖片：

示例：

importvisdom

importnumpyasnp

viz=visdom.Visdom(server='http://localhost',port=8097,env='liyunfei')

#一張圖片

viz.image(

np.random.rand(3,512,256),

opts=dict(title='Random!',caption='Howrandom.'),

#多張圖片

viz.images(

np.random.randn(20,3,64,64),

nrow=5,

opts=dict(title='Randomimages',caption='Howrandom.')

效果：

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

vis.scatter:2D或3D散點(diǎn)圖

vis.line:線圖

vis.stem:莖葉圖

vis.heatmap:熱力圖

vis.bar:條形圖

vis.histogram:直方圖

vis.boxplot:箱型圖

vis.surf:表面圖

vis.contour:輪廓圖

vis.