PyTorch 可视化工具TensorBoard和Visdom
作者:运维派 发布时间:2022-04-28 00:30:41
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:
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/06DL/fcnn/logs
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 : 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.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
来源:http://www.yunweipai.com/39714.html
猜你喜欢
- 如下所示:import pandas as pd#如果需要的话,需将df中的date列转为datetimedf.date = pd.to_d
- Python zipfile模块用来做zip格式编码的压缩和解压缩的,zipfile里有两个非常重要的class, 分别是ZipFile和Z
- ..:: 巧用CSS制作艺术字 ::..如果灵活应用CSS各种滤镜的特点并加以组合,我们可以得到许多意想不到的效果。这是一些效果示范,供各位
- 1 作用注意此处Tensorflow版本是2.0+。由于本人是Pytorch用户,对Tensorflow不是很熟悉,在读到用tf写的代码时就
- 1.样式的重用性CSS布局的网页最大的特点就是样式的可重用性,利用class选择符重复将某个样式属性多次在网页中使用,以减少不断定义样式属性
- 1.条件语句几个注意点和C#不一样的。if a < 5 { return 0} else {
- 第一部分:UI界面设计界面效果图如下:ui文件(可拉动控件自行创建一个button和text)<?xml version="
- 本文实例讲述了Flask框架工厂函数用法。分享给大家供大家参考,具体如下:在我们开始学习FLask的时候,创建应用的实例是用app=Flas
- 前言字典为动词“to yield”给出了两个释义:产出和让步。对于 Python 生成器中的 yie
- settings文件中配置:LOGGING = { 'version':1, 'disabl
- 这篇文章主要介绍了Python argparse模块使用方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值
- 如下所示:######### Extract all files from src_dir to des_dirdef extract_ta
- 简述公司使用gitlab 来托管代码,日常代码merge request 以及其他管理是交给测试,鉴于操作需经常打开网页,重复且繁琐,所以交
- 在做我的友情链接批量检查工具过程中,碰到一些情况,就是对方网页会用gzip压缩。用gzip压缩的好处是,能压缩网页大小,加快网页的浏览速度,
- 在实际数据分析过程中,我们分析用Python来处理数据(海量的数据),我们都是把这个数据转换为Python的对象的,比如最为常见的字典。比如
- 使用正则表达式的几个步骤:1、用import re 导入正则表达式模块;2、用re.compile()函数创建一个Regex对象;3、用Re
- 为什么是三谈为什么是三谈呢?一是因为这真的是一个被说烂的话题,二是因为太师傅在n年前就写过这篇再谈iframe自适应高度。之所以再提该问题,
- 本文实例讲述了python在Windows8下获取本机ip地址的方法。分享给大家供大家参考。具体实现方法如下:import socket h
- 1.基本构架:mport PIL.Image 相关模块img=Image.open(img_name) 打开图片img.save(save_
- CacheControl 属性设置是否可缓存由 ASP 生成的输出。默认地,代理服务器不会保持缓存副本。语法:response.CacheC