快捷導(dǎo)航

PyTorch?可視化工具TensorBoard和Visdom

更新時(shí)間：2022年01月26日 09:45:04 作者：運(yùn)維派

這篇文章主要介紹了PyTorch?可視化工具TensorBoard和Visdom，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，下面來看文章得具體內(nèi)容介紹吧

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：

pip install tensorboard

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)：

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
from torch.utils.tensorboard import SummaryWriter
...
# 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)練過程可視化。

1）啟動(dòng)命令：

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

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：https://github.com/fossasia/visdom

1、安裝：

pip install visdom

2、啟動(dòng)：

python -m visdom.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)

nohup python -m visdom.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] [-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 可視化演示

1）啟動(dòng) Visdom：

python -m visdom.server -port 8097

2）啟動(dòng)成功如下：

3）訓(xùn)練過程可視化代碼：

# 導(dǎo)入visdom包
import visdom

# 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：

import visdom
import numpy as np

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='How random.'),
)
# 多張圖片
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.quiver : 繪出二維矢量場(chǎng)
vis.image : 圖片
vis.text : 文本
vis.mesh : 網(wǎng)格圖
vis.save : 序列化狀態(tài)

到此這篇關(guān)于PyTorch 可視化工具TensorBoard和Visdom的文章就介紹到這了,更多相關(guān)PyTorch 可視化工具內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: