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。
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/
06
DL/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 : 
2
D 或 
3
D 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

原文转自:https://www.jianshu.com/p/2209260d4328

继续阅读
阅读原文