PyTorch可視化——tensorboard、visdom

時間 2020-06-09

標籤 pytorch 可視化 tensorboard visdom 简体版

原文原文鏈接

1、pytorch與tensorboard結合使用

Tensorboard

Tensorboard通常都是做爲tf的可視化工具，與tf深度集成，它可以展示tf的網絡計算圖，繪製圖像生成的定量指標圖以及附加數據等。此外，Tensorboard也是一個獨立工具，只要保存的數據遵循必定的格式，Tensorboard就能夠讀取這些數據並進行可視化

將網絡結構、動態數值以 protocol buffer 格式寫到文件裏。
讀取網絡結構、讀取動態數值，並展現在瀏覽器中。

Tensorboard_logger

Tensorboard_logger是TeamHGMemex開發的一款輕量級工具，它將Tensorboard的工具抽取出來，使得非tf用戶也可使用它進行可視化，不過功能有限，但一些經常使用的仍是能夠支持。

安裝

1.安裝tensorflow：

　　建議安裝cpu-onlu版本（由於本人pytorch安裝的是GPU版本，避免在同一個虛擬環境下包衝突），能夠選擇直接pip安裝

2.安裝tensorboard_logger：

　　安裝十分簡單，能夠經過 pip install tensorboard_logger 命令直接安裝

如何使用

1.首先啓動Tensorboard，命令格式以下：

tensorboard --logdir <your/running/dir> --port <your_bind_port>

例如命令是:

tensorboard --logdir /home/tenyun/Documents/Githome/pytorch_home/ --port 1234

這裏選擇端口的時候，必定要注意，不能選擇被佔用的端口

啓動成功後，控制檯以下輸出:

TensorBoard 1.11.0 at http://TenYun:1234(Press CTRL+C to quit)

2.代碼中使用

from tensorboard_logger import Logger # 構建logger對象，logdir用來指定log文件的保存路徑 # flush_secs用來指定刷新同步間隔 logger = Logger(logdir="/home/tenyun/Documents/Githome/pytorch_home", flush_secs=2) # 模擬函數 for ii in range(100): logger.log_value('loss', 10-ii**0.5, step=ii) logger.log_value('accuracy', ii**0.5/10, step=ii)

3.查看結果

運行之後，到瀏覽器輸入: http://localhost:1234，注意換成你綁定的端口，能夠看到結果。

2、visdom

https://blog.csdn.net/g11d111/article/details/84571118

基本概念

Visdom有一些簡單的特性，咱們能夠根據這個特性來構建屬於本身的特定的例程（use-cases）。

①Panes（窗格）

當你剛剛打開UI會發現，這是個白板，只有一片藍色，別的啥都沒有…。咱們能夠用圖形、圖像和文本填充它。

注意，

　　不管是文本仍是圖像、視頻，都須要放在一個叫作pane的container裏面，你能夠對這些pane（窗口）拖拽，縮放以及刪除。

其中，pane存在於envs，envs的 status（狀態）能夠跨sessions（會話）保存。

此外，pane還支持callbacks（回調函數），也就是說，當你在一個pane上輸入一些內容, 若是後端寫好了對應的處理邏輯，那麼callbacks會要求Visdom對象接收前端傳來的輸入給後端的處理代碼，並將處理後的結果返回到前端顯示，也就是pane能夠支持交互～

② Enviroments環境

UI的左上角，有一條這樣的東西：

　　這是可視化空間所在的環境（envs）——能夠理解爲①中pane所在的context。

　　默認狀況下，每一個用戶會擁有一個叫作main的env。

若是有額外的需求，好比要在不一樣的環境中展現多種層次的內容，用戶能夠在UI（前端）或者後端建立新的env。環境變量的狀態被長期保存。

咱們能夠在UI任意的切換不一樣的環境（env）。當你選擇了一個新的env，visdom將會向服務器請求存在於該env中的圖像。

在 env selector（環境選擇器）後面，有一個小的橡皮擦eraser button，用戶可使用它來清除當前env下的全部內容。若是你的展現是動態的，也就是數據源源不斷須要展現，那麼後續的圖像會繼續展現在此env下。

③State——狀態

當你在某些env下建立了一些可視化圖像內容後，服務器會自動緩存這些可視化結果（設置checkpoint）。若是你從新加載此頁面或者從新打開服務器，這些圖像內容會重現的。

固然，你也能夠手動的保存這些env的狀態：

save: 能夠序列化env的狀態，並以json文件保持在磁盤中。
fork: 當輸入一個新的名字，會複製當前的狀態到這個new env下。

④ Filter——過濾

這個功能挺容易理解的：就是根據你在filter窗口的輸入（右上角）對當前env下全部windows的title進行字符串正則匹配，只顯示該env下跟輸入的圖像名字匹配的圖像

總結：

明確幾個名詞：

env：看做一個大容器，在代碼中是 vis=visdom.Visdom(env=''main)
pane：就是用於繪圖的小窗口，在代碼中叫 window

使用Visdom就是在env中的pane上畫圖

區別參數env和win：

env是Visdom的參數，指定環境的名字，默認有個叫main的環境
win（和opts）是vis中幾乎全部函數都有的參數，指定pane的名字，建議每次操做都指定win

補充：

opts用來可視化設置，接收一個字典。通用的一些配置：主要用於設置pane的顯示格式

options.title

options.xlabel

options.ylabel

options.width

避免覆蓋以前的數值：

1.指定參數 update=‘append’

2.使用vis.updateTrace方法更新圖

安裝（setup）& 啓動例子（demo）

個人是python3.x，直接pip install visdom便可。

安裝後，不須要代碼寫好，就能夠在命令行裏面跑visdom。

啓動方法: python -m visdom.server 或者直接敲 visdom，剛執行的時候，會開始下載一些腳本，須要等待一會

而後試一段代碼：

import visdom import numpy as np  vis = visdom.Visdom() vis.text('Hello, world!') vis.image(np.ones((3, 10, 10)))

上述代碼運行後，打開瀏覽器，輸入：html

http://localhost:8097

看看結果怎麼樣前端

再試一下其餘代碼：

import torch as t import visdom as vis v=vis.Visdom(env='linetest') x=t.arange(1,30,0.01) y=t.sin(x) v.line(X=x,Y=y,win='sinx',opts={'title':'y.sin(x)'})

可視化接口

https://blog.csdn.net/u012436149/article/details/69389610?utm_source=distribute.pc_relevant.none-task

Visdom支持下列API。由Plotly提供可視化支持。

vis.scatter : 2D 或 3D 散點圖
vis.line : 線圖👍
vis.stem : 莖葉圖
vis.heatmap : 熱力圖
vis.bar : 條形圖
vis.histogram: 直方圖
vis.boxplot : 箱型圖
vis.surf : 表面圖
vis.contour : 輪廓圖
vis.quiver : 繪出二維矢量場
vis.image : 圖片👍
vis.text : 文本👍
vis.mesh : 網格圖
vis.save : 序列化狀態

儘管大多數API 的輸入包含，一個tensor X（保存數據）和一個可選的tensor Y（保存標籤或者時間戳）。

全部的繪圖函數都接收一個可選參數win，用來將圖畫到一個特定的pane上。每一個繪圖函數也會返回當前繪圖的win。您也能夠指定匯出的圖添加到哪一個env上。

三個經常使用到的函數以下：

line:

這個函數用來畫線圖。記錄標量的變化如：損失、準確率。它須要一個形狀爲N或者N×M的tensor Y，用來指定 M條線的值(每條線上有N個點)。和一個可供選擇的 tensor X 用來指定對應的 x軸的值; X能夠是一個長度爲N的tensor（這種狀況下，M條線共享同一個 x軸），也能夠是形狀和Y同樣的tensor。

The following options are supported:

options.fillarea : 填充線下面的區域 (boolean)

options.colormap : 色圖 (string; default = 'Viridis')

options.markers : 顯示點標記 (boolean; default = false)

options.markersymbol: 標記的形狀 (string; default = 'dot')

options.markersize : 標記的大小 (number; default = '10')

options.legend : 保存圖例名字的 table

image:

這個函數用來畫圖片。能夠是輸入的圖片、GAN生成的圖片、卷積核的信息

輸入：

img(tensor): shape(C*H*W)。

支持下面特定選項:

options.jpgquality: JPG quality (number 0-100; default = 100)

import torch as t import visdom as vis v=vis.Visdom() #可視化一張隨機的黑白圖片 v.image(t.randn(64,64),win='random1’) #可視化一張隨機的彩色圖片 v.image(t.randn(3,64,64),win='random2’) #可視化36張隨機彩色圖片，每一張6行 v.images( t.randn(36,3,64,64).numpy(), nrow=6, win='rnadom3', opts={'title':'random_img'})