使用Visdom可视化工具初体验

前言

Visdom是Facebook专门为PyTorch开发的一款可视化工具，支持传入的数据类型有NumPy和Tensor。

我们可以用它来做网络训练或者其他数据展示的前端可视化页面。

官方给出的效果图如下：

安装

需要 Python 3 环境，使用部分功能（如vis.matplot）需要提前一些其他安装依赖。
（1）通过pip安装，稳定版，可能不支持最新的一些功能和特性。

pip install visdom

（2）通过源码安装
从github上下载源码后安装。

pip install -e .

如果上述命令出错，可以尝试下面命令：

easy_install .

使用

开启visdom服务

（1）通过命令行启动 (in a screen or tmux)

> visdom

（2）通过python开启

python -m visdom.server

正常启动后屏幕上会显示：

此时可以在浏览器中打开网页http://localhost:8097看到Visdom页面了，刚打开时整个窗口是蓝色背景的，没有内容。

如果遇到问题可以参考GitHub主页。

其中若启动时一直停在Checking for scripts.这一行，这是由于visdom需要下载和加载一些js脚本，由于visdom是Facebook出品，所以可能出现网络无法连接到服务器导致下载失败的情况。具体解决办法可以参考其Github或使用搜索引擎搜索相关解决方案。

python使用visdom

import visdom
import random
import numpy as np
import time

if __name__ == "__main__":
    vis = visdom.Visdom(env='test') #创建名为test的visdom环境
    start_time = time.time()
    traintime = 0
    while True:
        cnt = random.randint(5,20)
        vis.line(Y=np.array([cnt]), X=np.array([traintime]),
                    win=('test'),
                    opts=dict(title='test'),
                    update=None if traintime == 0 else 'append'
                    )#画出折线图
        traintime = time.time() - start_time

画图效果如下：

还可以直接传入Matplotlib plot实例用于显示：
需要提前安装beautifulsoup4 和 lxml 包。

pip install beautifulsoup4
pip install lxml

fig, ax = plt.subplots(3, 2, figsize=(8,10),constrained_layout=True)
***#添加子图
vis.matplot(plt, win=('test'), opts=dict(title='test'))#向visdom实例vis中传入plt实例

效果如下：

Note:
matplot is not rendered using the same backend as plotly plots,
and is somewhat less efficient. Using too many matplot windows may
degrade visdom performance.

参考资料

[1] visdom Github主页 facebookresearch/visdom
[2] PyTorch的远程可视化神器visdom