使用visdom視覺化pytorch訓練過程

1、安裝

pip install visdom

或者conda install -c conda-forge visdom

2、啟動服務

python -m visdom.server

瀏覽器輸入http://localhost:8097檢視

3、使用

參考：

from visdom import visdom

import numpy as np
class visdomlineplotter(object):
"""plots to visdom"""
def __init__(self, env_name='main'):
self.viz = visdom()
self.env = env_name
self.plots = {}
def plot(self, var_name, split_name, title_name, x, y):
if var_name not in self.plots:
self.plots[var_name] = self.viz.line(x=np.array([x, x]), y=np.array([y, y]), env=self.env, opts=dict(
legend=[split_name],
title=title_name,
xlabel='epochs',
ylabel=var_name
))else:
self.viz.line(x=np.array([x]), y=np.array([y]), env=self.env, win=self.plots[var_name], name=split_name,

使用

import visdom_utils

global plotter
plotter = visdom_utils.visdomlineplotter(env_name='tutorial plots')
plotter_name = 'cnn casia loss lr='.format(options.lr_cnnh)
def train:
.....
plotter.plot('loss', 'train', plotter_name, (epoch - 1) * len(train_data_loader) + iteration, loss.item())

4、問題

connection is already closed.

暫未解決！

5、遠端

連線ssh時，將伺服器的8097埠重定向到自己機器上來：

ssh -l 18097:127.0.0.1:8097 username@remote_server_ip

其中：18097:127.0.0.1代表自己機器上的18097號埠，8097是伺服器上visdom使用的埠。

在伺服器上使用8097埠正常啟動tensorboard：

python -m visdom.server

127.0.0.1:18097

pytorch 使用visdom進行視覺化

相比tensorbordx,visdom重新整理更快，介面體驗也良好，首先是visdom的安裝，與普通的python庫一樣，直接pip install visdom即可 成功安裝後，在控制台下輸入python m visdom.server 複製http localhost 8097，輸入瀏覽器即可...

在PyTorch中使用Visdom視覺化工具

在pytorch中使用visdom視覺化工具 非常詳細 參考鏈結二 1.安裝 pip install visdom conda install visdom 2.linux 伺服器端 啟動 模型訓練前 預設使用埠 8097 to view training results and loss plot...

視覺化工具 Visdom

使用pytorch進行模型訓練時，僅僅通過觀察print的輸出是不夠的，有時候需要通過一些專業的工具來將損失值，訓練過程中產生的影象等資料展示出來，這個時候就可以借助visdom來實現資料的視覺化。官方教程 示例 pip install visdom python m visdom.server 如...