visdom--Pytorch可视化工具

前言

从安装visdom到我现在写这篇博客已经有至少半个月了吧，实际上使用visdom的次数可能也就2，3次，上次使用visdom是学习MNSIT的时候，这次学习迁移学习-自定义数据集操作的时候，再一次用到，我一下子也想不起来，但是数据可视化十分重要，包括数据和模型的调试，科研论文的撰写，这都是离不开的，所以这里就做一个简单的总结

什么是可视化工具

这里的可视化就是将，data中的数据，比如说image，或者学习参数，test_acc等用图表等形式显示出来。

现在TensorFlow用的是TensorBoard，对应的pytorch有一个TensorBoardX，和visdom，两个都是可视化工具，但是有所不同，TensorBoardX在绘制图像等时会产生文件夹，如果数据很大，就会存储大量的文件，导致运行很卡；另外，在代码方面TensorBoardX不能直接支持tensor变量，需要再代码中将其转换成numpy数据类型，绘制图像帧数在30s更新一次。

相比较而言，visdom不会产生文件夹，而且可以直接支持Tensor变量，当然最后绘制图像都是使用的numpy数据类型，但是visdom在内部进行了Tensor——>numpy数据类型的一个转换，因此在代码里可以省去变量类型转换的步骤，最重要的是visdom的数据更新速度是5s更新一次数据点。

visdom的安装

这里主要参考网易云课堂上龙龙老师的讲解，但是实际安装时遇到了一些别的困难，导致，没有办法像视频演示一样安装，网上查询资料说是可能因为pip 安装源来自于墙外网站，所以部分下载文件被过滤(删除)了，然后我科学上网以后，下载完毕还是一样的缺失文件，在网络上大部分是Linux的操作，对于Windows的解决方法如下：

在CSDN上下载一个static文件(淘宝1.2)，里面有别人下载好的json等文件，将原来文件中static替换掉即可成功运行。

visdom的使用

打开cmd或者git bash(终端)，输入：

python -m visdom.server

注：上面窗口不要关掉，后台继续运行
可以得到一个浏览器地址，将该地址在浏览器中打开即可

visdom语法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

from visdom import Visdom
viz = visdom()

viz.line([0.], [0.], win='train_loss', opts=dict(title='train loss')) #新建一个窗口(图像)，初始化变量，第一个[0.]是Y，第二个[0.]是X，其中win是Window的缩写，title是图像的名字

viz.line([[0.0, 0.0]], [0.], win='test', opts=dict(title='test loss&acc.', legend=['loss', 'acc.']))
#新建一个窗口(图像)，两个变量，第一个[0.0，0.0]代表两个Y变量，第二个[0.]代表X

viz.line([[test_loss, correct / len(test_loader.dataset)]],
[global_step], win='test', update='append')
#初始化完毕，就带入变量，其中update='append'指的是数据实时更新

viz.images(data.view(-1, 1, 28, 28), win='x')
#载入MNSIT的图片

viz.text(str(pred.detach().cpu().numpy()), win='pred',
opts=dict(title='pred'))
#载入MNSIT的predict数字，最终网络根据图片预测出来的数字。

总结

上面代码中列举了几个最简单的，绘制曲线，载入图片，text文案的方法，以后如果又忘记了，就有可以复习的资料了，加油~