pytorch及可视化工具visdom的安装(一)

折腾了一天，总算搭好了tensorflow和pytorch。把可用的安装方法和步骤列出，方便下次再搭环境（两个框架都不支持32位linux）。

安装tensorflow的过程很和谐，访问TF社区很稳定、流畅。cpu版安装命令如下。

pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl

安装pytorch的过程就有点曲折了。

一、安装pytorch

1. 安装pip.

不想再折腾conda，所以使用系统自带的python2.7。

到pip官网，下载get-pip.py，并安装。

python get-pip.py

2. 安装pytorch

方法一： 从家里的电脑访问pytorch官网极其不稳定，一般环境下，根本不能根据本机环境下载对应的wheel安装包。在网上找了个差不多能用的链接(python2.7，无cuda)。

pip install http://download.pytorch.org/whl/cpu/torch-0.3.1-cp27-cp27mu-linux_x86_64.whl 
pip install torchvision

方法二：使用源码安装。从github上克隆代码

git clone https://github.com/pytorch/pytorch
cd pytorch 
python setup.py install

安装的时候，会提示，要做一个init操作。最终，以hung up失败告终。

3. 安装pytorch的可视化工具——visdom.

安装并更新，不更新不能正常使用，会卡在download script。

pip install visdom
pip install --upgrade visdom

pytorch和visdom的安装就算告一段落了。

二、visdom使用方法小结。

在需要画图的程序里加入

vis = visdom.Visdom()
startup_sec = 1
while not vis.check_connection() and startup_sec > 0:
    time.sleep(0.1)
    startup_sec -= 0.1

assert vis.check_connection(), 'No connection could be formed quickly'

画一个简单的loss曲线

line = vis.line(Y=np.array([0]))
vis.line(X=np.array([index]), Y=np.array([loss.data]), win=line,update="append")

另，可使用可视化工具2——tensorboard与tensorboardX

pip install tensorboard
pip install tensorboardX

from tensorboardX import SummaryWriter
...
writer = SummaryWriter('./log/')
...
writer.close()