详解PyTorch可视化工具visdom（一）

全栈程序员-用户IM • 2022年4月4日下午3:00 • 未分类

大家好，又见面了，我是你们的朋友全栈君。

一、介绍

在深度学习领域，模型训练是一个必须的过程，因此常常需要实时监听并可视化一些数据，如损失值loss，正确率acc等。在Tensorflow中，最常使用的工具非Tensorboard莫属；在Pytorch中，也有类似的TensorboardX，但据说其在张量数据加载的效率方面不如visdom。visdom是FaceBook开发的一款可视化工具，其实质是一款在网页端的web服务器，对Pytorch的支持较好。

二、如何安装及启动

2.1 安装

安装命令

pip install visdom

安装成功的界面如下图所示

安装成功后，我们需要将visdom启动。

2.2 启动

类似于TensorFlow的TensorBoard，要使用Visdom，就要先在终端开启监听命令

vidsom启动命令

python -m visdom.server

visdom成功启动后，会返回一个网址，根据显示的网址然后在浏览器里输入：http://localhost:8097 进行登录
进入后，会显示visdom的主界面

三、Visdom可视化神经网络训练过程

首先，我们需要导入Visdom及所需的其它库

from visdom import Visdom
import numpy as np
import time

Visdom可视化神经网络的训练过程大致分为3步：

实例化一个窗口
初始化窗口的信息
更新监听的信息

3.1 监听单一数据

示例：监听train_loss的变化

# 实例化一个窗口
wind = Visdom()
# 初始化窗口信息
wind.line([0.], # Y的第一个点的坐标
		  [0.], # X的第一个点的坐标
		  win = 'train_loss', # 窗口的名称
		  opts = dict(title = 'train_loss') # 图像的标例
)
# 更新数据
for step in range(10):
	# 随机获取loss,这里只是模拟实现
	loss = np.random.randn() * 0.5 + 2
	wind.line([loss],[step],win = 'train_loss',update = 'append')
	time.sleep(0.5)

运行结果：此时打开visdom的主界面，会发现窗口train_loss已经显示出来了

3.2 监听多条数据

示例：监听train_loss和acc

# 实例化窗口
wind = Visdom()
# 初始化窗口参数
wind.line([{ 
   0.,0.]],[0.],win = 'train',opts = dict(title = 'loss&acc',legend = ['loss','acc']))
# 更新窗口数据
for step in range(10):
	loss = 0.2 * np.random.randn() + 1
	acc = 0.1 * np.random.randn() + 0.5
	wind.line([[loss, acc]],[step],win = 'train',update = 'append')
	time.sleep(0.5)

运行结果

四、Visdom可视化图像

在处理图像数据时，可以使用visdom对图像进行可视化

首先，导入相关的包

from visdom import Visdom
import cv2
import numpy as np
import torch

案例

# 读入图像
image = cv2.imread('E://桌面.jpg')
# openCV按照BGR读取，而visdom 默认按照RGB显示,因此要进行通道转换
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# visdom类似于pytorch中的卷积模型，接收的数据都要求通道数在前
img = np.transpose(img, (2, 0, 1))
# 将numpy类型转换为torch类型
img = torch.from_numpy(img)
# 可视化图像
viz.image(img, win='pkq')