今天，讓我們來放松一下大腦，學習點輕松的東西————可視化工具Visdom，它可以讓我們在使用PyTorch訓練模型的時候，可視化中間的訓練情況，無論是loss變化還是中間結果比較。相比干呆呆的瞪著命令行，Visdom讓我們的調參之路變得更加生動和活潑了^.~

0. 前言

對于一些任務，尤其是難以收斂以及情況復雜的，如果在訓練過程中，實時可視化訓練情況，將會讓我們對訓練手段進行及時調整，更好的達到目標，避免不收斂、過擬合以及其它情況。這樣，我們就可以在訓練指標的判斷基礎上，加上感性的部分（可視化結果），從而實現雙管齊下。

Visdom 是一個由FacebookResearch開發的一個靈活的可視化工具，可用來對實時（live）——如網絡訓練中產生的結果，富數據（rich data）——如HTML，進行組織和共享。支持Torch和Numpy還有PyTorch。

Visdom 也可以實現遠程數據的可視化，對科學實驗有很大幫助。我們可以遠程的發送圖片和數據，并進行在ui界面顯示出來，檢查實驗結果，或者debug。

1. 總覽（overview）

按照官方的說法，開發Visdom的目的是使得數據（無論是在遠程還是本地）的可視化，用以支持和促進科學試驗。

Visdom aims to facilitate visualization of (remote) data with an emphasis on supporting scientific experimentation.

2. 概念（concepts）

Visdom有一些簡單的特性，我們可以根據這個特性來構建屬于自己的特定的例程（use-cases）。

① Windows——窗口

當你剛剛打開UI會發現，這是個白板，只有一片藍色，別的啥都沒有…。我們可以用圖形、圖像和文本填充它。注意，無論是文本還是圖像、視頻，都需要將這些內容放在一個叫做windows的container里面，你可以對這些windows（窗口）拖拽，縮放以及刪除。

其中，windows存在于envs，envs的**status（狀態）可以跨sessions（會話）**保存。

此外，windows還支持callbacks（回調函數），也就是說，當你在一個windows上輸入一些內容, 如果后端寫好了對應的處理邏輯，那么callbacks會要求Visdom對象接收前端傳來的輸入給后端的處理代碼，并將處理后的結果返回到前端顯示，也就是windows可以支持交互～

② Enviroments——環境

UI的左上角，有一條這樣的東西：這是可視化空間所在的環境（envs）——可以理解為①中windows所在的context，默認情況下，每個用戶會擁有一個叫做main的env。

如果有額外的需求，比如要在不同的環境中展示多種層次的內容，用戶可以在UI（前端）或者后端創建新的env。環境變量的狀態被長期保存。

可以看到，我們可以在UI任意的切換不同的環境（env）。當你選擇了一個新的env，visdom將會向服務器請求存在于該env中的圖像。

在**env selector（環境選擇器）**后面，有一個小的橡皮擦eraser button，用戶可以使用它來清除當前env下的所有內容。如果你的展示是動態的，也就是數據源源不斷需要展示，那么后續的圖像會 繼續展示在此env下。

③ State——狀態

當你在某些env下創建了一些可視化圖像內容后，服務器會自動緩存這些可視化結果（設置checkpoint）。如果你重新加載此頁面或者重新打開服務器，這些圖像內容會重現的。

當然，你也可以手動的保存這些env的狀態：

• save: 可以序列化env的狀態，并以json文件保持在磁盤中。
• fork: 當輸入一個新的名字，會復制當前的狀態到這個new env下。

④ Filter——過濾

這個功能挺容易理解的：就是根據你在filter窗口的輸入（右上角）對當前env下所有windows的title進行字符串正則匹配，只顯示該env下跟輸入的圖像名字匹配的圖像：

3. 安裝（setup）& 啟動例子（demo）

我用的是PyTorch 0.4.1，在Python2.7/3.x都可以。Visdom直接可以安裝在這個環境下，我的是python3.x，直接pip install visdom即可。

安裝后，不需要代碼寫好，就可以在命令行里面跑visdom。
啟動方法: python -m visdom.server或者直接敲visdom，剛執行的時候，會開始下載一些腳本，需要等待一會：

啟動起來后，寫一段測試代碼如下，叫做demo.py，執行python demo.py：

import visdom import numpy as np vis = visdom.Visdom() vis.text('Hello, world!') vis.image(np.ones((3, 10, 10)))

得到結果：

4. 繪圖例子

首先，要加載一些模塊：

這里，直接上代碼，具體關于visdom的各個API的說明，請查看visdom——A flexible tool for creating, organizing, and sharing visualizations of live, rich data. Supports Torch and Numpy.

4.1 image demo

其對應的結果分別為：

和

4.2 為windows注冊callbacks

可以看到，我們可以跟這個帶callbacks的windows進行交互：

當然，也可以加載音頻和視頻啦，還有WebGL等，這里就不展開了。

5. 參考資料

[1] Visdom 可視化工具 教程 （pytorch)
[2] Visdom 官方說明 （FacebookResearch)

總結

以上是生活随笔為你收集整理的PyTorch学习笔记(13)——强力的可视化工具visdom的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。