Pytorch（四） —— 可视化工具 Visdom

最新推荐文章于 2023-06-26 10:10:51 发布

CyrusMay

最新推荐文章于 2023-06-26 10:10:51 发布

阅读量431

点赞数 2

分类专栏： Pytorch 深度学习（神经网络）专题文章标签： pytorch python 深度学习人工智能算法

本文链接：https://blog.csdn.net/Cyrus_May/article/details/125520658

版权

深度学习（神经网络）专题同时被 2 个专栏收录

46 篇文章 11 订阅

订阅专栏

Pytorch

7 篇文章 1 订阅

订阅专栏

本文介绍了PyTorch的可视化工具Visdom的安装与使用，包括如何开启web服务器，以及如何进行曲线、图片和文字的可视化。通过实例展示了如何动态更新曲线图，以及如何展示图片和文字信息。 Visdom提供了一个方便的平台来实时监控和分析训练过程中的关键指标。

摘要由CSDN通过智能技术生成

1.安装

pip install visdom

2 使用流程

2.1 开启visdom的web服务器

python -m visdom.server

2.2 可视化种类及相关参数

2.2.1 曲线可视化

from visdom import Visdom
vis = Visdom()
vis.line(Y=[[0,0]],
			X=[0],
			win="这是小窗口的title",
			env="这是大窗口的title", # 默认为main
			opts=dict(title="change_x_y",legend=["x","y"]) # 可以设置图形标题和title
			) # 初始化曲线
vis.line([[Tensor.item()],
			[Tensor.item()],
			win="change_X",
			update="append") # 追加曲线数据

from visdom import Visdom
import torch
from torch import nn
import torch.nn.functional as F
vis = Visdom()
vis.line(Y=[[0,0]],X=[0],win="change_X",env="main",opts=dict(title="change_x_y",legend=["x","y"]))
def f(x):
    return x[0]**2 + x[1]**2
x = torch.tensor([100.,90.],requires_grad=True)
opt = torch.optim.Adam([x],lr = 0.1)
epochs = 1000
for i in range(epochs):
    y = f(x)
    opt.zero_grad()
    y.backward()
    opt.step()
    vis.line([[x[0].item(),x[1].item()]],[i],win="change_X",update="append")

在这里插入图片描述

2.2.2 图片可视化

from visdom import Visdom
vis = Visdom()
vis.image(img=data.view(-1,1,28,28),
			win="这是小窗口的title",
			env="这是大窗口的title", # 默认为main
			) # 初始化曲线

2.2.3 文字可视化

from visdom import Visdom
vis = Visdom()
vis.text(text=str(Tensor.cpu().numpy()),
			win="这是小窗口的title",
			env="这是大窗口的title", # 默认为main
			) # 初始化曲线

from visdom import Visdom
import torch
from torch import nn
import torch.nn.functional as F
vis = Visdom()
label = torch.arange(100)
vis.text(str(label.cpu().numpy()),win="文字展示",env="main")