visdom的安装及在pytorch下损失函数的可视化应用
更新：新版visdom0.1.7安装方式为：conda install -c srivasv visdom
pytorch下可采用visidom作为可视化工具
1. 安装
pip install visdomconda install visdom启动
python -m visdom.server在浏览器输入：http://localhost:8097/，即可启动
Note：
（1）有时安装了之后不能用，比如网页什么都没有，可尝试替换 Anaconda3\Lib\site-packages\visdom下的static文件夹（如果你用anaconda的话），是因为网络的原因，导致文件下载不全，文件链接链接：https://pan.baidu.com/s/1c4liqoK 密码：q1sx，在Linux（Ubuntu）下也是同样的处理，在Lib\site-packages\visdom下替换static文件，重启生效！！！！
（2）有时候启动visdom的时候，显示目标计算机拒绝等网络连接不成功，可用如下测试
from visdom import Visdomviz = Visdom()assert viz.check_connection()主要是我是用了代理上网，导致我的IE浏览器的Internet选项被改变，如下图：
2. 可视化损失函数的示例
首先介绍一下visdom中的line()函数：
1) 画一条直线
from visdom import Visdomimport numpy as npviz = Visdom(env='my_wind')#设置环境窗口的名称是'my_wind',如果不设置名称就在main中tr_loss=list(range(100))viz.line(Y=np.array(tr_loss), opts=dict(showlegend=True))在运行上面的程序之前，首先启动visdom，在cmd里输入python -m visdom.server，然后在浏览器里输入：http://localhost:8097/，默认是在main环境下：
上面的代码里，我们设置环境窗口的名称是'my_wind'，所以我们需要打开my_wind环境，如下：
运行代码！
2) 如果要画多条直线
from visdom import Visdomimport numpy as npviz = Visdom(env='my_wind')#设置环境窗口的名称是'my_wind',如果不设置名称就在main中tr_loss=list(range(100))ts_loss=list(range(10,110))viz.line(Y=np.column_stack((np.array(tr_loss),np.array(ts_loss))), opts=dict(showlegend=True))
注意：以上变量的值在绘制前是确定了的
3）如果要绘制随程序运行逐渐产生的值，如在训练的时候，可以采用line的update方法
from visdom import Visdomimport numpy as npviz = Visdom(env='my_wind')x,y=0,0win = viz.line( X=np.array([x]), Y=np.array([y]), opts=dict(title='two_lines'))for i in range(10): x+=i y+=i viz.line( X=np.array([x]), Y=np.array([y]), win=win,#win要保持一致 update='append')最后是深度学习训练过程中的损失函数可视化，参考的是pytorch实战指南里的可视化操作。
将损失函数的可视化放在visual_loss.py文件：
#coding:utf8import visdomimport timeimport numpy as np class Visualizer(object): def __init__(self, env='default', **kwargs): self.vis = visdom.Visdom(env=env, **kwargs) self.index = {} def plot_many_stack(self, d): ''' self.plot('loss',1.00) ''' name=list(d.keys()) name_total=" ".join(name) x = self.index.get(name_total, 0) val=list(d.values()) if len(val)==1: y=np.array(val) else: y=np.array(val).reshape(-1,len(val)) #print(x) self.vis.line(Y=y,X=np.ones(y.shape)*x, win=str(name_total),#unicode opts=dict(legend=name, title=name_total), update=None if x == 0 else 'append' ) self.index[name_total] = x + 1 在jupyter notebook——loss_visual_test.ipynb中进行函数功能测试：
from visual_loss import Visualizerfrom torchnet import meter#用 torchnet来存放损失函数，如果没有，请安装conda install torchnet'''训练前的模型、损失函数设置 vis = Visualizer(env='my_wind')#为了可视化增加的内容loss_meter = meter.AverageValueMeter()#为了可视化增加的内容for epoch in range(10): #每个epoch开始前，将存放的loss清除，重新开始记录 loss_meter.reset()#为了可视化增加的内容 model.train() for ii,(data,label)in enumerate(trainloader): ... out=model(input) loss=... loss_meter.add(loss.data[0])#为了可视化增加的内容 #loss可视化 #loss_meter.value()[0]返回存放的loss的均值 vis.plot_many_stack({'train_loss': loss_meter.value()[0]})#为了可视化增加的内容 '''#示例vis = Visualizer(env='my_wind')#为了可视化增加的内容loss_meter = meter.AverageValueMeter()#为了可视化增加的内容for epoch in range(10): loss_meter.reset()#为了可视化增加的内容 loss_meter.add(epoch)#假设loss=epoch vis.plot_many_stack({'train_loss': loss_meter.value()[0]})#为了可视化增加的内容 #如果还想同时显示test loss，如法炮制,并用字典的形式赋值，如下。还可以同时显示train和test accuracy #vis.plot_many_stack({'train_loss': loss_meter.value()[0]，'test_loss':test_loss_meter.value()[0]})#为了可视化增加的内容 文件结构：
其中__init__.py为空
注意：我的visdom版本为
也不知道用的是哪个，通过conda install visdom安装的版本比较旧，官网的最新版本是
安装方式是在终端输入
conda install -c srivasv visdom
本文系转载，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文系转载，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。