PyTorch可视化工具TensorBoard和Visdom

第PyTorch可视化工具TensorBoard和Visdom目录一、TensorBoard二、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：

pipinstalltensorboard

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][--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

fromtorch.utils.tensorboardimportSummaryWriter

#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：/fossasia/visdom

1、安装：

pipinstallvisdom

2、启动：

python-mvisdom.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

nohuppython-mvisdom.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][-portport][--hostnamehostname][-base_urlbase_url]

[-env_pathenv_path][-logging_levellogger_level]

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

[-use_frontend_client_polling]

3、Visdom可视化演示

1）启动Visdom：

python-mvisdom.server-port8097

2）启动成功如下：

3）训练过程可视化代码：

#导入visdom包

importvisdom

#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：

importvisdom

importnumpyasnp

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='Howrandom.'),

#多张图片

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.