PyTorch可视化工具：TensorBoard、Visdom
一、视化TensorBoard
TensorBoard 一般都是工具作为 TensorFlow 的可视化工具，与 TensorFlow 深度集成，视化它能够展现 TensorFlow 的工具网络计算图，绘制图像生成的视化定量指标图以及附加数据等。
此外，工具TensorBoard 也是视化一个独立工具，在 PyTorch 中也可使用它进行可视化。工具
1、视化安装：pip install tensorboard
2、工具启动：tensorboard --logdir="日志目录"
启动 tensorboard 时，视化可指定 logdir、工具port（默认6006）、视化host（默认localhost）等参数：
usage: tensorboard [-h] [--helpfull] [--logdir PATH] [--logdir_spec PATH_SPEC] [--host ADDR] [--bind_all] [--port PORT] [--purge_orphaned_data BOOL] [--db URI] [--db_import] [--inspect] [--version_tb] [--tag TAG] [--event_file PATH] [--path_prefix PATH] [--window_title TEXT] [--max_reload_threads COUNT] [--reload_interval SECONDS] [--reload_task TYPE] [--reload_multifile BOOL] [--reload_multifile_inactive_secs SECONDS] [--generic_data TYPE] [--samples_per_plugin SAMPLES_PER_PLUGIN] [--debugger_data_server_grpc_port PORT] [--debugger_port PORT] [--master_tpu_unsecure_channel ADDR]3、服务器托管工具Tensorboard 可视化演示(PyTorch 框架)：
训练模型，视化导入 tensorboard. SummaryWriter 保存 loss、accuracy 等日志信息。
# 导入SummaryWriter from torch.utils.tensorboard import SummaryWriter ... # 创建SummaryWriter实例，指定log_dir的位置 summaryWriter = SummaryWriter(log_dir="/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs") ... # 模型训练时，写入train_loss、test_loss、score等信息 summaryWriter.add_scalars("loss", { "train_loss_avg": train_loss_avg, "test_loss_avg": test_loss_avg}, epoch) summaryWriter.add_scalar("score", score, epoch)启动 TensorBoar ，训练过程可视化。
1）启动命令：
tensorboard --logdir=/Users/liyunfei/PycharmProjects/python3practice/06DL/fcnn/logs2）启动成功如图示：
3）可视化结果如下：
二、Visdom
Visdom 是 Facebook 专门为 PyTorch 开发的一款可视化工具，能够支持“远程数据”的可视化，支持 Torch 和 Numpy。GitHub 地址：https://github.com/fossasia/visdom
1、高防服务器安装：pip install visdom
2、启动：
python -m visdom.server-m 是以模块服务启动
如果是 linux/mac-os 环境，可以使用以下命令启动运行在后台nohup python -m visdom.server &
启动 Visdom 时，可以指定 port（默认8097）、hostname（默认localhost）等其它参数：
usage: server.py [-h] [-port port] [--hostname hostname] [-base_url base_url] [-env_path env_path] [-logging_level logger_level] [-readonly] [-enable_login] [-force_new_cookie] [-use_frontend_client_polling]3、Visdom 可视化演示
1）启动 Visdom：
python -m visdom.server -port 8097
2）启动成功如下：
3）训练过程可视化代码：
# 导入visdom包 import visdom # 创建Visdom对象，连接服务端，指定env环境(不指定默认env="main") viz = visdom.Visdom(server=http://localhost, port=8097, env=liyunfei) ... viz.line([0.], [0], win=train_loss, opts=dict(title=train_loss)) viz.line([0.], [0], win=accuracy, opts=dict(title=accuracy)) ... # 模型训练时，实时可视化loss、accuracy等信息。 viz.line([train_loss_avg], [epoch], win=train_loss, update=append) viz.line([accuracy], [epoch], win=accuracy, update=append)4）可视化结果：
5）其它操作——可视化一张/多张图片：
示例：
import visdom import numpy as np viz = visdom.Visdom(server=http://localhost, port=8097, env=liyunfei) # 一张图片 viz.image( np.random.rand(3, 512, 256), opts=dict(title=Random!, caption=How random.), ) # 多张图片 viz.images( np.random.randn(20, 3, 64, 64), nrow=5, opts=dict(title=Random images, caption=How random.) )效果：
6）Visdom 的更多可视化 API（常用的是 line、image、text）：
vis.scatter : 2D 或 3D 散点图 vis.line : 线图 vis.stem : 茎叶图 vis.heatmap : 热力图 vis.bar : 条形图 vis.histogram: 直方图 vis.boxplot : 箱型图 vis.surf : 表面图 vis.contour : 轮廓图 vis.quiver : 绘出二维矢量场 vis.image : 图片 vis.text : 文本 vis.mesh : 网格图 vis.save : 序列化状态 服务器租用