Pytorch可视化之Visdom使用实例
时间：2022-07-21 11:10:29 | 栏目：Python代码 | 点击：次
一、Visdom简介
Visdom是由Facebook公司开发的一个进行数据可视化的Web应用程序，支持Torch、Numpy、Pytorch这3个库的创建、管理和分享实时的数据可视化结果。
二、安装和运行
可直接使用pip进行安装，命令如下：
pip install visdom
安装过程如下：
安装完成后，运行下面的代码启动visdom服务器（运行需要时间，需要稍等一下；下图中的报错ERROR我没有管，不影响正常运行）：
python -m visdom.server
按照提示，在浏览器中输入http://localhost:8097就可以访问visdom了。初始界面如下图所示，是一个没有任何视窗的main环境。
三、可视化例子
1、输出Hello World！
打开开发工具（我用的是Pycharm2020.3），新建程序文件，输入以下代码：
import visdom
vis = visdom.Visdom()
vis.text("Hello World!")
点击运行，返回查看浏览器。这时浏览器会出现一个视窗，内容为“Hello World！”。
拖拽视窗右下角箭头处（如图绿框处）可对视窗大小进行缩放，拖动视窗顶部横条（如图红框处）可以移动视窗。
2、显示图像
visdom可以直接显示Tensor格式的图像数据。
打开开发工具，新建程序文件，输入以下代码：
import visdom
from PIL import Image
import torchvision.transforms.functional as TF
demo_pic = Image.open("1.jpg")
img_tensor = TF.to_tensor(demo_pic)
vis = visdom.Visdom()
vis.image(img_tensor)
结果如下图所示：
可以用images()函数同时显示多张图片，代码如下：
import visdom
from PIL import Image
import torchvision.transforms.functional as TF
import torch
demo_pic = Image.open("1.jpg")
img_tensor = TF.to_tensor(demo_pic)
img_tensors = torch.Tensor([img_tensor.numpy(), img_tensor.numpy()])
vis = visdom.Visdom()
vis.images(img_tensors)
结果如下：
3、绘制散点图
使用scatter()函数可以绘制二维或者三维的散点图。代码如下：
import visdom
import numpy as np
import torch
Y = np.random.rand(100)
vis = visdom.Visdom()
# vis = visdom.Visdom(env='my_wind')#设置环境窗口的名称是'my_wind',如果不设置默认为main
# 2―D
twoD_scatter = vis.scatter(X=torch.rand(100, 2),
Y=(Y + 1.5).astype(int), # 转换成100个1或2的整数
opts=dict(
legend=['Apples', 'Pears'], # 图例名称
xtickmin=-1, # 设置x坐标轴下限
xtickmax=2.5, # 设置x坐标轴上限
xtickstep=0.5, # 设置x坐标轴间隔
ytickmin=-1,
ytickmax=2.5,
ytickstep=0.5,
markersymbol='dot' # 设置数据显示样式
),
)
# 3-D
# 3d scatterplot with custom labels and ranges
threeD_scatter = vis.scatter(X=np.random.rand(100, 3),
Y=(Y + 1.5).astype(int),
opts=dict(
legend=['Men', 'Women'],
markersize=5, # 标记大小
xtickmin=0,
xtickmax=2,
xlabel='Arbitrary', # 标签
xtickvals=[0, 0.75, 1.6, 2], # 设置坐标轴显示值
ytickmin=0,
ytickmax=2,
ytickstep=0.5,
ztickmin=0,
ztickmax=1,
ztickstep=0.5,
)
)
运行结果如下图所示：
如果想要通过程序实现散点图参数的更新，可以使用update_window_opts()函数，代码如下：
vis.update_window_opts(
win=twoD_scatter,
opts=dict(
legend=['Apples', 'Pears'],
xtickmin=0,
xtickmax=1,
xtickstep=0.5,
ytickmin=0,
ytickmax=1,
ytickstep=0.5,
markersymbol='dot'
)
)
update_window_opts()传入两个参数，第一个是视窗的实例，例子中是twoD_scatter；第二个是更新的参数字典opts。
更新后结果如下图所示：
4、绘制线条
4.1 绘制一条直线
代码如下：
import visdom import numpy as np vis = visdom.Visdom(env='my_windows') # 设置环境窗口的名称,如果不设置名称就默认为main # 绘制一条直线 x = list(range(10)) y = list(range(10)) # 使用line函数绘制直线 并选择显示坐标轴 vis.line(X=np.array(x), Y=np.array(y), opts=dict(showlegend=True))
结果如图所示：
4.2 绘制两条直线
代码如下：
# 绘制两条直线 import visdom import numpy as np vis = visdom.Visdom(env='my_windows') x = list(range(10)) y = list(range(10)) z = list(range(1,11)) vis.line(X=np.array(x), Y=np.column_stack((np.array(y), np.array(z))), opts=dict(showlegend=True))
结果如图所示：
4.3 绘制正弦曲线
代码如下：
import visdom import torch vis = visdom.Visdom(env='sin') x = torch.arange(0, 100, 0.1) y = torch.sin(x) vis.line(X=x,Y=y,win='sin(x)',opts=dict(showlegend=True))
结果如图所示：
参考文献
Pytorch深度学习入门--曾?M壹
https://www.pythonf.cn/read/3068