深度学习与Pytorch入门实战（七）Visdom可视化工具【数字识别实例】

笔记摘抄

1. 安装visdom

安装教程

2. 开启监听进程

python -m visdom.server

3. 访问

用chrome浏览器访问url连接：http://localhost:8097

4. 可视化训练

• 在之前定义网络结构（参考上一节）的基础上加上Visdom可视化。

• 在训练-测试的迭代过程之前，定义两条曲线，在训练-测试的过程中 再不断填充点 以实现 曲线随着训练动态增长：

from visdom import Visdom

viz = Visdom()

viz.line([0.], [0.], win='train_loss', opts=dict(title='train loss'))

viz.line([[0.0, 0.0]], [0.], win='test', opts=dict(title='test loss&acc.', legend=['loss', 'acc.']))

• 第二行Visdom(env="xxx")参数env来设置环境窗口的名称，这里什么都没传(在默认的main窗口下)。

• viz.line的 前两个参数 是曲线的Y和X的坐标（前面是纵轴后面才是横轴）

• 设置了不同的 win参数，它们就会在不同的窗口中展示，

• 第四行定义的是 测试集的loss 和 acc两条曲线，所以在X等于0时，Y给了两个初始值。

开始训练：

• 为了知道训练了多少个batch，设置一个全局的计数器：

global_step = 0

• 在每个batch训练完后，为训练曲线添加点，来让曲线实时增长：

global_step += 1

viz.line(