PyTorch可视化工具:TensorBoard、Visdom

 

作者:佚名来源:马哥  Linux运维

 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:

 
  1. usage: tensorboard [-h] [--helpfull] [--logdir PATH] [--logdir_spec PATH_SPEC]  
  2.                    [--host ADDR] [--bind_all] [--port PORT]  
  3.                    [--purge_orphaned_data BOOL] [--db URI] [--db_import]  
  4.                    [--inspect] [--version_tb] [--tag TAG] [--event_file PATH]  
  5.                    [--path_prefix PATH] [--window_title TEXT]  
  6.                    [--max_reload_threads COUNT] [--reload_interval SECONDS]  
  7.                    [--reload_task TYPE] [--reload_multifile BOOL]  
  8.                    [--reload_multifile_inactive_secs SECONDS]  
  9.                    [--generic_data TYPE]  
  10.                    [--samples_per_plugin SAMPLES_PER_PLUGIN]  
  11.                    [--debugger_data_server_grpc_port PORT]  
  12.                    [--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。

 
  1. # 导入SummaryWriter  
  2. from torch.utils.tensorboard import SummaryWriter  
  3. ...  
  4. # 创建SummaryWriter实例,指定log_dir的位置  
  5. summaryWriter = SummaryWriter(log_dir="/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs")  
  6. ...  
  7. # 模型训练时,写入train_loss、test_loss、score等信息  
  8. summaryWriter.add_scalars("loss", {"train_loss_avg": train_loss_avg, "test_loss_avg": test_loss_avg}, epoch)  
  9. summaryWriter.add_scalar("score", score, epoch) 

启动 TensorBoar ,训练过程可视化。

1)启动命令:

 
  1. 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:

PyTorch可视化工具:TensorBoard、Visdom_第1张图片

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

PyTorch可视化工具:TensorBoard、Visdom_第2张图片

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:

 
  1. usage: server.py [-h] [-port port] [--hostname hostname] [-base_url base_url]  
  2.                  [-env_path env_path] [-logging_level logger_level]  
  3.                  [-readonly] [-enable_login] [-force_new_cookie]  
  4.                  [-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:

PyTorch可视化工具:TensorBoard、Visdom_第3张图片

3)训练过程可视化代码:

 
  1. # 导入visdom包  
  2. import visdom  
  3. # 创建Visdom对象,连接服务端,指定env环境(不指定默认env="main")  
  4. viz = visdom.Visdom(server='http://localhost', port=8097, env='liyunfei')  
  5. ...  
  6. viz.line([0.], [0], win='train_loss', opts=dict(title='train_loss'))  
  7. viz.line([0.], [0], win='accuracy', opts=dict(title='accuracy'))  
  8. ...  
  9. # 模型训练时,实时可视化loss、accuracy等信息。  
  10. viz.line([train_loss_avg], [epoch], win='train_loss', update='append')  
  11. viz.line([accuracy], [epoch], win='accuracy', update='append') 

4)可视化结果:

PyTorch可视化工具:TensorBoard、Visdom_第4张图片

5)其它操作——可视化一张/多张图片:

示例:

 
  1. import visdom  
  2. import numpy as np  
  3. viz = visdom.Visdom(server='http://localhost', port=8097, env='liyunfei')  
  4. # 一张图片  
  5. viz.image(  
  6.     np.random.rand(3, 512, 256),  
  7.     opts=dict(title='Random!', caption='How random.'),  
  8. )  
  9. # 多张图片  
  10. viz.images(  
  11.     np.random.randn(20, 3, 64, 64),  
  12.     nrow=5,  
  13.     opts=dict(title='Random images', caption='How random.')  

效果:

PyTorch可视化工具:TensorBoard、Visdom_第5张图片

6)Visdom 的更多可视化 API(常用的是 line、image、text):

 
  1. vis.scatter : 2D 或 3D 散点图  
  2. vis.line : 线图  
  3. vis.stem : 茎叶图  
  4. vis.heatmap : 热力图  
  5. vis.bar : 条形图  
  6. vis.histogram: 直方图  
  7. vis.boxplot : 箱型图  
  8. vis.surf : 表面图  
  9. vis.contour : 轮廓图  
  10. vis.quiver : 绘出二维矢量场  
  11. vis.image : 图片  
  12. vis.text : 文本  
  13. vis.mesh : 网格图  
  14. vis.save : 序列化状态 

你可能感兴趣的:(软件开发,信息安全,python,可视化,深度学习,tensorflow,java)