Pytorch可视化的几种实现方法
作者:_Be_Water_ 发布时间:2023-06-11 17:44:57
标签:Pytorch,可视化
目录
一,利用 tensorboardX 可视化网络结构
二,利用 vistom 可视化
三,利用pytorchviz可视化网络结构
一,利用 tensorboardX 可视化网络结构
参考 https://github.com/lanpa/tensorboardX
支持scalar, image, figure, histogram, audio, text, graph, onnx_graph, embedding, pr_curve and video summaries.
例子要求tensorboardX>=1.2 and pytorch>=0.4
安装
pip install tensorboardX
或 pip install git+https://github.com/lanpa/tensorboardX
例子
# demo.py
import torch
import torchvision.utils as vutils
import numpy as np
import torchvision.models as models
from torchvision import datasets
from tensorboardX import SummaryWriter
resnet18 = models.resnet18(False)
writer = SummaryWriter()
sample_rate = 44100
freqs = [262, 294, 330, 349, 392, 440, 440, 440, 440, 440, 440]
for n_iter in range(100):
dummy_s1 = torch.rand(1)
dummy_s2 = torch.rand(1)
# data grouping by `slash`
writer.add_scalar('data/scalar1', dummy_s1[0], n_iter)
writer.add_scalar('data/scalar2', dummy_s2[0], n_iter)
writer.add_scalars('data/scalar_group', {'xsinx': n_iter * np.sin(n_iter),
'xcosx': n_iter * np.cos(n_iter),
'arctanx': np.arctan(n_iter)}, n_iter)
dummy_img = torch.rand(32, 3, 64, 64) # output from network
if n_iter % 10 == 0:
x = vutils.make_grid(dummy_img, normalize=True, scale_each=True)
writer.add_image('Image', x, n_iter)
dummy_audio = torch.zeros(sample_rate * 2)
for i in range(x.size(0)):
# amplitude of sound should in [-1, 1]
dummy_audio[i] = np.cos(freqs[n_iter // 10] * np.pi * float(i) / float(sample_rate))
writer.add_audio('myAudio', dummy_audio, n_iter, sample_rate=sample_rate)
writer.add_text('Text', 'text logged at step:' + str(n_iter), n_iter)
for name, param in resnet18.named_parameters():
writer.add_histogram(name, param.clone().cpu().data.numpy(), n_iter)
# needs tensorboard 0.4RC or later
writer.add_pr_curve('xoxo', np.random.randint(2, size=100), np.random.rand(100), n_iter)
dataset = datasets.MNIST('mnist', train=False, download=True)
images = dataset.test_data[:100].float()
label = dataset.test_labels[:100]
features = images.view(100, 784)
writer.add_embedding(features, metadata=label, label_img=images.unsqueeze(1))
# export scalar data to JSON for external processing
writer.export_scalars_to_json("./all_scalars.json")
writer.close()
运行: python demo.py
会出现runs文件夹,然后在cd到工程目录运行tensorboard --logdir runs
结果:
二,利用 vistom 可视化
参考:https://github.com/facebookresearch/visdom
安装和启动
安装: pip install visdom
启动:python -m visdom.server示例
from visdom import Visdom
#单张
viz.image(
np.random.rand(3, 512, 256),
opts=dict(title=\\\\\'Random!\\\\\', caption=\\\\\'How random.\\\\\'),
)
#多张
viz.images(
np.random.randn(20, 3, 64, 64),
opts=dict(title=\\\\\'Random images\\\\\', caption=\\\\\'How random.\\\\\')
)
from visdom import Visdom
image = np.zeros((100,100))
vis = Visdom()
vis.text("hello world!!!")
vis.image(image)
vis.line(Y = np.column_stack((np.random.randn(10),np.random.randn(10))),
X = np.column_stack((np.arange(10),np.arange(10))),
opts = dict(title = "line", legend=["Test","Test1"]))
三,利用pytorchviz可视化网络结构
参考:https://github.com/szagoruyko/pytorchviz
来源:https://blog.csdn.net/sz793919425/article/details/84305669
0
投稿
猜你喜欢
- 1、善用css缩写可以减少页面文件大小,提高下载速度,同时使代码简洁可读。代码:div{ b
- 首先,未来Python完全取代Java的可能性并不大,但是Python的发展确实能够挤占一部分Java的应用空间。Python语言在最近几年
- 在Python数据可视化中,seaborn较好的提供了图形的一些可视化功效。seaborn官方文档见链接:http://seaborn.py
- 本文实例讲述了python通过pil模块将raw图片转换成png图片的方法。分享给大家供大家参考。具体分析如下:python通过pil模块将
- 一、什么是Oracle字符集 Oracle字符集是一个字节数据的解释的符号集合,有大小之分,有相互的包容关系。ORACLE 支持国家语言的体
- Python-apply(lambda x: )使用def instant_order_deal(plat, special_product
- 1.前言 &n
- 概述最近在跑一篇图像修复论文的代码,配置好环境之后开始运行,发现数据一直加载不进去。害,还是得看人家代码咋写的,一句一句看逻辑,准能找出问题
- 先附上官方文档:https://pandas.pydata.org/pandas-docs/stable/reference/api/pan
- 本文实例为大家分享了python实现爬取图书封面的具体代码,供大家参考,具体内容如下kongfuzi.py利用更换代理ip,延迟提交数据,设
- 本文实例讲述了Python函数式编程。分享给大家供大家参考,具体如下:函数式编程就是一种抽象程度很高的编程范式,从计算机硬件->汇编语
- 本文实例讲述了Python队列RabbitMQ 使用方法。分享给大家供大家参考,具体如下:目前的exchange的路由策略是:每个需要队列的
- 如下所示:'''以下代码均为讲解,不能实际操作''''''博客园 I
- 1、if条件选择# coding:utf-8num = 23if num>2:print("dayu")if nu
- Base64编码Base64编码将二进制数据转换为文本格式,通过通信通道传递,用户可以安全地处理文本. Base64也称为隐私增强电子邮件(
- <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
- pytest的setup与teardown1)pytest提供了两套互相独立的setup 与 teardown和一对相对自由的setup与t
- 1. 返回列表和标量(Scalar)前面我们注意到Query对象可以返回可迭代的值(iterator value),然后我们可以通过for
- <%sql = "select * from SMT_addt
- 前言:最近某个时间开始,特别留意了一下Web标准中柱状图,也就是英文中的bar graph的实现。虽然实现方法各异,效果不尽相同,但是总体来