visdom安装及使用vsidom实现pytorch训练过程可视化

去年考研，成功上岸。有一年没写博客了，今天可以重新开始写了。（我胡汉三又回来了！）

这篇博客写一下visdom的安装以及使用。

所有过程均在Ubuntu系统中完成。

一、visdom安装

1.visdom安装过程比较简单，只需要两行命令即可：

pip install visdom
pip install --upgrade visdom

2.启动

启动命令如下：

python -m visdom.server

3.打开界面

启动后如果不报错，则再浏览器中输入如下网址即可进入visdom界面：

http://localhost:8097/

输入网址后如果再浏览器中看到如下界面，则说明启动成功：

其他的就不多说了，我的安装过程中没有出现错误，如果出错的话可以去问度娘。

二、pytorch训练过程可视化

我的毕业设计需要神经网络训练过程可视化，之前找过好几个工具，第一个是tensorboard，这个工具个人觉得用起来没有visdom便捷；第二个是flask，严格意义上讲，这其实不算一个工具，算是一个框架，实现python与html交互，我花费一天时间来学这个东西，原理倒是不难，但是html的界面美化很难（以前小学期的时候做过html的优化，简直是一种折磨），而且需要时间，所以这个框架被我放弃了。找来找去，还是visdom用起来方便。

我主要做了两部分工作，第一部分是神经网络训练过程中各个参数的动态展示（train_accuracy、train_loss等），第二部分就是展示最终分类结果的图片：classification_map。

1.训练参数动态展示

我的代码是花了四个图，为了讲解方便，我只拿一个图的代码做例子。

代码如下：

#导入相关库文件
from visdom import Visdom

#定义运行环境，没有的话默认为main
viz = Visdom()
#x列表存储x值
x = []
#train_accuracy_visdom列表存储运行过程中产生的train_accuracy参数值
train_accuracy_visdom = []

#定义train_accuracy在visdom中展示的动态折线图表的格式
#参数包括：图标名称、x轴名称、y轴名称、图标宽度、图表长度
train_accuracy = {
     "title": 'train_accuracy',
      "xlabel":'x',
      "ylabel":'y',
      "width":300,
      "height":200,
}
#因为我的网络需要训练10代，所以我让图表动态更换图表名称
#index_iter是代数
train_accuracy['title'] = 'iter:'+str(int(index_iter))+'  train_accuarcy'
#计算train_accuracy并追加到train_accuracy_visdom列表中
train_accuracy_visdom.append(train_acc_sum/n)

#在visdom中动态展示图表
viz.line(X=x, Y=train_accuracy_visdom, win='iter:'+str(int(index_iter))+'  train_accuarcy', opts=train_accuracy)

运行后会得到如下结果（四个图）：

二、visdom展示classification_map图片

这个功能的代码也很简单，直接贴代码：

from visdom import Visom
import cv2

image = "你自己的图片的存储路径"
#定义运行环境，没有的话默认为main
vis = Visdom(env='main')
#展示图片，因为vis展示的顺序为GBR，而我们的图片是RGB的，所以要换一下格式
vis.image(image.transpose(2,0,1)[::-1,...])

运行结果如下：

怎么样，是不是非常简单。

如果文章有不足之处，欢迎各位批评指正！