前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >PyTorch深度学习训练可视化工具visdom

PyTorch深度学习训练可视化工具visdom

作者头像
AI算法与图像处理
发布2019-12-26 14:56:54
1.5K0
发布2019-12-26 14:56:54
举报
文章被收录于专栏:AI算法与图像处理

来源:机器学习实验室

在进行深度学习实验时,能够可视化地对训练过程和结果进行展示是非常有必要的。除了Torch版本的TensorBoard工具TensorBoardX之外,Torch官方也提供了一款非常好用的可视化神器——visdom。visdom是一款用于创建、组织和共享实时大量训练数据可视化的灵活工具。

深度学习模型训练通常放在远程的服务器上,服务器上训练的一个问题就在于不能方便地对训练进行可视化,相较于TensorFlow的可视化工具TensorBoard,visdom则是对应于PyTorch的可视化工具。

安装与启动

直接通过pip install visdom即可完成安装,之后在终端输入如下命令即可启动visdom服务:

代码语言:javascript
复制
python -m visdom.server 

启动服务后输入本地或者远程地址,端口号8097,即可打开visdom主页。

主要元素

visdom界面简单,主要构成元素包括窗口(Windows)、环境(Environments)、状态(State)、过滤(Filter)、视图(Views)等。

环境:用于对可视化空间进行分区,比如在对训练进行可视化的时候我们可以在一个环境里对loss进行可视化,在另一个环境下对训练的输入输出进行可视化。

状态:visdom会自动缓存你创建的可视化内容,当页面关闭之后,重新加载便可恢复这些内容。

过滤:可用于筛选可视化窗口,快速查找。

视图:可以快速地对可视化窗口进行排列和管理。

应用示例

visdom将可以进行可视化的对象都放在基础模块中,包括单/多张图像、文本、语音、视频、svg矢量图、属性网格、matplotlib绘图对象、序列化状态对象等。基础图形由plotly提供,主要包括散点图、折线图、热图、茎叶图、柱形图、箱线图、表面图、等高线图、网格图等。

以matplotlib绘图对象为例进行展示。

代码语言:javascript
复制
import matplotlib.pyplot as plt
from visdom import Visdom
vis = Visdom()
plt.plot(range(100))
vis.matplot(plt)

visdom中显示如下:

具体到深度学习训练时,我们可以在torch训练代码下插入visdom的可视化模块:

代码语言:javascript
复制
if args.steps_plot > 0 and step % args.steps_plot == 0:
    image = inputs[0].cpu().data
    vis.image(image,f'input (epoch: {epoch}, step: {step})')
    vis.image(outputs[0].cpu().max(0)[1].data, f'output (epoch: {epoch}, step: {step})')
    vis.image(targets[0].cpu().data, f'target (epoch: {epoch}, step: {step})')
    vis.image(loss, f'loss (epoch: {epoch}, step: {step})')

将上述模块插入到VOC 2012语义分割训练中,效果如下:

也可以监控训练过程中的loss变化:

visdom为PyTorch而生,总体来说是一款优化的深度学习训练可视化工具。

参考资料:

https://github.com/facebookresearch/visdom

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-12-25,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI算法与图像处理 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档