pytorch学习笔记（八）：PytTorch可视化工具 visdom

最新推荐文章于 2024-09-25 11:08:39 发布

算法学习者

最新推荐文章于 2024-09-25 11:08:39 发布

阅读量1.8w

点赞数 1

分类专栏： pytorch

pytorch 专栏收录该内容

34 篇文章 2 订阅

订阅专栏

Visdom PyTorch可视化工具

本文翻译的时候把略去了 Torch部分。

项目地址

visdom_big

一个灵活的可视化工具，可用来对于实时，富数据的创建，组织和共享。支持Torch和Numpy。

总览

Visdom目的是促进远程数据的可视化，重点是支持科学实验。。

向您和您的合作者发送可视化图像，图片和文本。

通过编程组织您的可视化空间，或者通过UI为实时数据创建dashboards，检查实验的结果，或者debug实验代码。

基本概念

Visdom有一组简单的特性，可以用它们组合成不同的用例。

Panes（窗格）

UI刚开始是个白板–您可以用图像，图片，文本填充它。这些填充的数据出现在 Panes 中，您可以这些Panes进行拖放，删除，调整大小和销毁操作。Panes是保存在 envs 中的， envs的状态存储在会话之间。您可以下载Panes中的内容–包括您在svg中的绘图。

Tip: 您可以使用浏览器的放大缩小功能来调整UI的大小。

Environments(环境)

您可以使用envs对可视化空间进行分区。默认地，每个用户都会有一个叫做main的envs。可以通过编程或UI创建新的envs。envs的状态是长期保存的。

您可以通过 url: http://localhost.com:8097/env/main访问特定的env。
You can access a specific env via url: http://localhost.com:8097/env/main. 如果您的服务器是被托管的，那么您可以将此url分享给其他人，那么其他人也会看到您的可视化结果。

管理 Envs:
在初始化服务器的时候，您的 envs 默认通过$HOME/.visdom/ 加载。您也可以将自定义的路径当作命令行参数传入。如果您移除了Env文件夹下的.json文件，那么相应的环境也会被删除。

State（状态）

一旦您创建了一些可视化，状态是被保存的。服务器自动缓存您的可视化–如果您重新加载网页，您的可视化会重新出现。

Save: 你可以手动的保存env通过点击save按钮。它会首先序列化env的状态，然后以json文件的形式保存到硬盘上，包括窗口的位置。同样，您也可以通过编程来实现env的保存。

当面对一些十分复杂的可视化，例如参数设置非常重要，这中保存env状态的方法是十分有用的。例：数据丰富的演示，模型的训练dashboard，或者系统实验。这种设计依旧可以使这些可视化十分容易分享和复用。
Fork: 有过您输入了一个新的env 名字，saving会建立一个心的env – 有效的forking之前的状态。（注：这个fork等价于github的fork，跟复制的意思差不多）

Setup

需要 Python 2.7/3 (and optionally Torch7)

# Install Python server and client，如果您使用python的话，装这一个就可以了。
pip install visdom

 
 1
2
3
 
 1
2
3

启动

启动服务器（可能在screen或者tmux中）：

python -m visdom.server
 
 1
 
 1

一旦启动服务器，您就可以通过在浏览器中输入http://localhost:8097来访问 Visdom，localhost可以换成您的托管地址。

If the above does not work, try using an SSH tunnel to your server by adding the following line to your local ~/.ssh/config:
LocalForward 127.0.0.1:8097 127.0.0.1:8097.

Python example

import visdom
import numpy as np
vis = visdom.Visdom()
vis.text('Hello, world!')
vis.image(np.ones((3, 10, 10)))
 
 1
2
3
4
5
 
 1
2
3
4
5

Demos

python example/demo.py
 
 1
 
 1

可视化接口

Visdom支持下列API。由Plotly提供可视化支持。

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

关于上述API更详尽的解释将在下面给出。为了对visdom的能力有一个快速的了解，您可以看一下 example ，或者，您可以继续往下看。

这些API的确切输入类型有所不同，尽管大多数API 的输入包含，一个tensor X（保存数据）和一个可选的tensor Y（保存标签或者时间戳）。所有的绘图函数都接收一个可选参数win，用来将图画到一个特定的window上。每个绘图函数也会返回当前绘图的win。您也可以指定汇出的图添加到哪个env上。
（这里的window的意思就是之前说的Pane）。

visdom_big

plot.scatter

这个函数是用来画2D或3D数据的散点图。它需要输入 N*2或N*3的 tensor X来指定N个点的位置。一个可供选择的长度为N的vector用来保存X中的点对应的标签(1 到 K)。 – 标签可以通过点的颜色反应出来。

scatter()支持下列的选项：

options.colormap : 色图（控制图的颜色） (string; default = 'Viridis')
options.markersymbol: 标记符号 (string; default = 'dot')
options.markersize : 标记大小(number; default = '10')
options.markercolor : 每个标记的颜色. (torch.*Tensor; default = nil)
options.legend : 包含图例名字的table

options.markercolor 是一个包含整数值的Tensor。Tensor的形状可以是 N 或 N x 3 或 K 或 K x 3.

Tensor of size N: 表示每个点的单通道颜色强度。 0 = black, 255 = red
Tensor of size N x 3: 用三通道表示每个点的颜色。 0,0,0 = black, 255,255,255 = white
Tensor of size K and K x 3: 为每个类别指定颜色，不是为每个点指定颜色。

plot.line

这个函数用来画线图。它需要一个形状为N或者N×M的tensor Y，用来指定 M条线的值(每条线上有N个点)。和一个可供选择的 tensor X 用来指定对应的 x轴的值; X可以是一个长度为N的tensor（这种情况下，M条线共享同一个 x轴），也可以是形状和Y一样的tensor。

The following options are supported: