PyTorch 可视化工具 Visdom 介绍

最近几天在看pytorch, 找到了可视化的工具visdom,但目前网上的教程较少，决定自己写一个,方便记录。

Visdom:一个灵活的可视化工具，可用来对于 实时，富数据的 创建，组织和共享。支持Torch和Numpy还有pytorch。

visdom 可以实现远程数据的可视化，对科学实验有很大帮助。我们可以远程的发送图片和数据，并进行在ui界面显示出来，检查实验结果，或者debug

几个基本概念

Panes（窗格）:interface刚打开是个白板，可以用将数据和图片发送到backend，生成多个对应的窗格，panes可以进行拖放，删除，panes保存在envs中，envs的状态存与绘画之间

Environments(环境）：env对可视化空间进行分区，每个用户默认有个main的env, envs的状态是长期保持的

State(状态）：当你创建一些可视化后，服务器自动缓存这些可视化，重新加载页面，重新打开服务器都会再现这些可视化。save:可以序列化env的状态，并以json文件保持在电脑里，fork:当输入一个新的名字，会复制当前的状态到这个new env下。

安装和启动

接口

大多数接口可以输入一个tensor(保存数据），和一个可选的tensor Y（标签或者时间戳）, 另外都可以指定窗口win,和汇出图添加到那个env上，另外options输入可以修改默认的绘图属性，输入参数基于表中键的匹配，有一些通用的options可以选择,下面列出了通用的可视化options(除了plot.image和plot.text外）

• opts.title : figure title
• opts.width : figure width
• opts.height : figure height
• opts.showlegend : show legend (true or false)
• opts.xtype : type of x-axis (\\\\\\'linear\\\\\\' or \\\\\\'log\\\\\\')
• opts.xlabel : label of x-axis
• opts.xtick : show ticks on x-axis (boolean)
• opts.xtickmin : first tick on x-axis (number)
• opts.xtickmax : last tick on x-axis (number)
• opts.xtickvals : locations of ticks on x-axis (table of numbers)
• opts.xticklabels : ticks labels on x-axis (table of strings)
• opts.xtickstep : distances between ticks on x-axis (number)
• opts.ytype : type of y-axis (\\\\\\'linear\\\\\\' or \\\\\\'log\\\\\\')
• opts.ylabel : label of y-axis
• opts.ytick : show ticks on y-axis (boolean)
• opts.ytickmin : first tick on y-axis (number)
• opts.ytickmax : last tick on y-axis (number)
• opts.ytickvals : locations of ticks on y-axis (table of numbers)
• opts.yticklabels : ticks labels on y-axis (table of strings)
• opts.ytickstep : distances between ticks on y-axis (number)
• opts.marginleft : left margin (in pixels)
• opts.marginright : right margin (in pixels)
• opts.margintop : top margin (in pixels)
• opts.marginbottom: bottom margin (in pixels)

示例

vis.image( 图片/单张和多张）

#单张 viz.image( np.random.rand(3, 512, 256), opts=dict(title=\\\\\'Random!\\\\\', caption=\\\\\'How random.\\\\\'), ) #多张 viz.images( np.random.randn(20, 3, 64, 64), opts=dict(title=\\\\\'Random images\\\\\', caption=\\\\\'How random.\\\\\') )

1 2 3 4 5 6 7 8 9 10

#单张 viz.image(     np.random.rand(3, 512, 256),     opts=dict(title=\\\\\'Random!\\\\\', caption=\\\\\'How random.\\\\\'), ) #多张 viz.images(     np.random.randn(20, 3, 64, 64),     opts=dict(title=\\\\\'Random images\\\\\', caption=\\\\\'How random.\\\\\') )

vis.scatter(散点图,2D/3D)

#画出随机的散点图 import time Y = np.random.rand(100) old_scatter = viz.scatter( X=np.random.rand(100, 2), Y=(Y[Y > 0] 1.5).astype(int), opts=dict( legend=[\\\\'Didnt\\\\', \\\\'Update\\\\'], xtickmin=-50, xtickmax=50, xtickstep=0.5, ytickmin=-50, ytickmax=50, ytickstep=0.5, markersymbol=\\\\'cross-thin-open\\\\', ), ) time.sleep(5) #对窗口进行更新,包括标注,坐标,样式等 viz.update_window_opts( win=old_scatter, opts=dict( legend=[\\\\'Apples\\\\', \\\\'Pears\\\\'], xtickmin=0, xtickmax=1, xtickstep=0.5, ytickmin=0, ytickmax=1, ytickstep=0.5, markersymbol=\\\\'cross-thin-open\\\\', ), )

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

#画出随机的散点图 import time Y = np.random.rand(100) old_scatter = viz.scatter(     X=np.random.rand(100, 2),     Y=(Y[Y > 0]   1.5).astype(int),     opts=dict(         legend=[\\\\'Didnt\\\\', \\\\'Update\\\\'],         xtickmin=-50,         xtickmax=50,         xtickstep=0.5,         ytickmin=-50,         ytickmax=50,         ytickstep=0.5,         markersymbol=\\\\'cross-thin-open\\\\',     ), )   time.sleep(5)   #对窗口进行更新,包括标注,坐标,样式等 viz.update_window_opts(     win=old_scatter,     opts=dict(         legend=[\\\\'Apples\\\\', \\\\'Pears\\\\'],         xtickmin=0,         xtickmax=1,         xtickstep=0.5,         ytickmin=0,         ytickmax=1,         ytickstep=0.5,         markersymbol=\\\\'cross-thin-open\\\\',     ), )

#3D 散点图 viz.scatter( X=np.random.rand(100, 3), Y=(Y 1.5).astype(int), opts=dict( legend=[\\\'Men\\\', \\\'Women\\\'], markersize=5, ) )

1 2 3 4 5 6 7 8 9

#3D 散点图 viz.scatter(     X=np.random.rand(100, 3),     Y=(Y   1.5).astype(int),     opts=dict(         legend=[\\\'Men\\\', \\\'Women\\\'],         markersize=5,     ) )

vis.bar(柱方图)

viz.bar(X=np.random.rand(20)) viz.bar( X=np.abs(np.random.rand(5, 3)), opts=dict( stacked=True, legend=[\\'Facebook\\', \\'Google\\', \\'Twitter\\'], rownames=[\\'2012\\', \\'2013\\', \\'2014\\', \\'2015\\', \\'2016\\'] ) ) viz.bar( X=np.random.rand(20, 3), opts=dict( stacked=False, legend=[\\'The Netherlands\\', \\'France\\', \\'United States\\'] ) )

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

viz.bar(X=np.random.rand(20)) viz.bar(     X=np.abs(np.random.rand(5, 3)),     opts=dict(         stacked=True,         legend=[\\'Facebook\\', \\'Google\\', \\'Twitter\\'],         rownames=[\\'2012\\', \\'2013\\', \\'2014\\', \\'2015\\', \\'2016\\']     ) ) viz.bar(     X=np.random.rand(20, 3),     opts=dict(         stacked=False,         legend=[\\'The Netherlands\\', \\'France\\', \\'United States\\']     ) )

vis.heat/contour/surface (热程图,地理图,表面图)

viz.heatmap( X=np.outer(np.arange(1, 6), np.arange(1, 11)), opts=dict( columnnames=[\'a\', \'b\', \'c\', \'d\', \'e\', \'f\', \'g\', \'h\', \'i\', \'j\'], rownames=[\'y1\', \'y2\', \'y3\', \'y4\', \'y5\'], colormap=\'Electric\', ) ) # contour x = np.tile(np.arange(1, 101), (100, 1)) y = x.transpose() X = np.exp((((x - 50) ** 2) ((y - 50) ** 2)) / -(20.0 ** 2)) viz.contour(X=X, opts=dict(colormap=\'Viridis\')) # surface viz.surf(X=X, opts=dict(colormap=\'Hot\'))

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

viz.heatmap(     X=np.outer(np.arange(1, 6), np.arange(1, 11)),     opts=dict(         columnnames=[\'a\', \'b\', \'c\', \'d\', \'e\', \'f\', \'g\', \'h\', \'i\', \'j\'],         rownames=[\'y1\', \'y2\', \'y3\', \'y4\', \'y5\'],         colormap=\'Electric\',     ) ) # contour x = np.tile(np.arange(1, 101), (100, 1)) y = x.transpose() X = np.exp((((x - 50) ** 2)   ((y - 50) ** 2)) / -(20.0 ** 2)) viz.contour(X=X, opts=dict(colormap=\'Viridis\'))   # surface viz.surf(X=X, opts=dict(colormap=\'Hot\'))

文章转载来源：zchky知乎专栏

本站微信群、QQ群(三群号 726282629)：