Visdom可视化Pytorch训练过程

使用visdom可视化pytorch训练过程,原文见Tmylla’s Blog。

visdom

Visdom是支持torch和Numpy实时数据可视化工具。Support by feakbooksearch 。

可视化界面如下:

Visdom可视化Pytorch训练过程_第1张图片

Preparation

  • 安装:pip install visdom
  • 启动:python -m visdom.server
    • 浏览器进入http://localhost:8097

Practice

  • utils.py

    import numpy as np
    from visdom import Visdom
    
    
    class VisdomLinePlotter(object):
        """Plots to Visdom"""
        def __init__(self, env_name='main'):
            self.viz = Visdom()
            self.env = env_name
            self.plots = {}
    
        def plot(self, var_name, mode_name, title_name, x, y):
            if var_name not in self.plots:
                self.plots[var_name] = self.viz.line(X=np.array([x]), Y=np.array([y]), env=self.env, opts=dict(
                    legend=[mode_name],  # 每条曲线指定名字
                    title=title_name,
                    xlabel='Batchs',  # 横坐标名称
                    ylabel=var_name
                ))
            else:
                self.viz.line(X=np.array([x]), Y=np.array([y]), env=self.env, win=self.plots[var_name], name=mode_name, update='append')
    

    Notes:

    • Visdom默认环境为“main”,如果要同时或者先后训练不同的网络模型,可以为每个模型创建一个环境,分别显示它们的可视化结果,如viz = Visdom(env = 'demo')
    • var_name: 变量名称 (e.g. loss, acc)
    • mode_name: mode name (e.g. train, val)
    • title_name: 图例标题 (e.g. Classification Accuracy)
    • update: Use 'append' to append data, 'replace' to use new data, or 'remove' to remove the trace specified by name.
  • train.py

    import utils
     
    if __name__ == "__main__":
    	global plotter
    	plotter = utils.VisdomLinePlotter(env_name='Tutorial Plots')
     
    def train():
        ......
        plotter.plot('reward', 'train', 'Rewards', train_batch_num, reward.avg)
        
    def val():
        ......
        plotter.plot('reward', 'val', 'Rewards', val_batch_num, reward.avg)
        plotter.plot('acc', 'val', 'Accurarys', val_batch_num, acc.avg)
    
  • main(main.py)和train(train.py)不在同一文件时全局变量(global)的设置

    • 问题定义:global定义的全局变量只能在同一个文件中使用,在工程中需要跨文件调用全局变量。
    1. 定义一个全局变量管理文件 globalvar.py

      def _init():
          global _global_dict
          _global_dict = {}
      
      def set_value(key,value):
          """ 定义一个全局变量 """
          _global_dict[key] = value
      
      def get_value(key,defValue=None):
        """ 获得一个全局变量,不存在则返回默认值 """
          try:
              return _global_dict[key]
          except KeyError:
              return defValue
      
    2. import globalvar

      import utils
      import globalvar as gl
      
      def visual(self, env_name):
          gl._init()
      
          plotter = utils.VisdomLinePlotter(env_name=env_name)
          gl.set_value(env_name, plotter)
      
          return gl.get_value(env_name)
          
      def train():
      	......
      	plotter = visual(env_name='Tutorial Plots')
      	plotter.plot('reward', 'train', 'Rewards', train_batch_num, reward.avg)	
      

Remote Server (未测试)

连接ssh时,将服务器的8097端口重定向到自己机器上来:

ssh -L 18097:127.0.0.1:8097 username@remote_server_ip

其中:18097:127.0.0.1代表自己机器上的18097号端口,8097是服务器上visdom使用的端口。

在服务器上使用8097端口正常启动visdom:

python -m visdom.server

在本地浏览器中输入地址:

127.0.0.1:18097

More details

  • github/visdom
  • github/visdom_tutorial
  • 使用visdom可视化pytorch训练过程
  • 本博客后续更新地址:tmylla.github.io

你可能感兴趣的:(Little,Tips,PyTorch)