目錄
- 一、Visdom簡介
- 二、安裝和運行
- 三、可視化例子
- 1、輸出Hello World！
- 2、顯示圖像
- 3、繪制散點圖
- 4、繪制線條
- 4.1 繪制一條直線
- 4.2 繪制兩條直線
- 4.3 繪制正弦曲線
- 總結
一、Visdom簡介
Visdom是由Facebook公司開發的一個進行數據可視化的Web應用程序，支持Torch、Numpy、Pytorch這3個庫的創建、管理和分享實時的數據可視化結果。
二、安裝和運行
可直接使用pip進行安裝，命令如下：
安裝過程如下：
安裝完成后，運行下面的代碼啟動visdom服務器（運行需要時間，需要稍等一下；下圖中的報錯ERROR我沒有管，不影響正常運行）：
按照提示，在瀏覽器中輸入http://localhost:8097就可以訪問visdom了。初始界面如下圖所示，是一個沒有任何視窗的main環境。
三、可視化例子
1、輸出Hello World！
打開開發工具（我用的是Pycharm2020.3），新建程序文件，輸入以下代碼：
import visdom
vis = visdom.Visdom()
vis.text("Hello World!")
點擊運行，返回查看瀏覽器。這時瀏覽器會出現一個視窗，內容為“Hello World！”。
拖拽視窗右下角箭頭處（如圖綠框處）可對視窗大小進行縮放，拖動視窗頂部橫條（如圖紅框處）可以移動視窗。
2、顯示圖像
visdom可以直接顯示Tensor格式的圖像數據。
打開開發工具，新建程序文件，輸入以下代碼：
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)
結果如下圖所示：
可以用images()函數同時顯示多張圖片，代碼如下：
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)
結果如下：
3、繪制散點圖
使用scatter()函數可以繪制二維或者三維的散點圖。代碼如下：
import visdom
import numpy as np
import torch
Y = np.random.rand(100)
vis = visdom.Visdom()
# vis = visdom.Visdom(env='my_wind')#設置環境窗口的名稱是'my_wind',如果不設置默認為main
# 2—D
twoD_scatter = vis.scatter(X=torch.rand(100, 2),
Y=(Y + 1.5).astype(int), # 轉換成100個1或2的整數
opts=dict(
legend=['Apples', 'Pears'], # 圖例名稱
xtickmin=-1, # 設置x坐標軸下限
xtickmax=2.5, # 設置x坐標軸上限
xtickstep=0.5, # 設置x坐標軸間隔
ytickmin=-1,
ytickmax=2.5,
ytickstep=0.5,
markersymbol='dot' # 設置數據顯示樣式
),
)
# 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, # 標記大小
xtickmin=0,
xtickmax=2,
xlabel='Arbitrary', # 標簽
xtickvals=[0, 0.75, 1.6, 2], # 設置坐標軸顯示值
ytickmin=0,
ytickmax=2,
ytickstep=0.5,
ztickmin=0,
ztickmax=1,
ztickstep=0.5,
)
)
運行結果如下圖所示：
如果想要通過程序實現散點圖參數的更新，可以使用update_window_opts()函數，代碼如下：
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()傳入兩個參數，第一個是視窗的實例，例子中是twoD_scatter；第二個是更新的參數字典opts。
更新后結果如下圖所示：
4、繪制線條
4.1 繪制一條直線
代碼如下：
import visdom
import numpy as np
vis = visdom.Visdom(env='my_windows') # 設置環境窗口的名稱,如果不設置名稱就默認為main
# 繪制一條直線
x = list(range(10))
y = list(range(10))
# 使用line函數繪制直線 并選擇顯示坐標軸
vis.line(X=np.array(x), Y=np.array(y), opts=dict(showlegend=True))
結果如圖所示：
4.2 繪制兩條直線
代碼如下：
# 繪制兩條直線
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))
結果如圖所示：
4.3 繪制正弦曲線
代碼如下：
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))
結果如圖所示：
參考文獻
Pytorch深度學習入門--曾芃壹
https://www.pythonf.cn/read/3068
總結
到此這篇關于Pytorch可視化之Visdom使用的文章就介紹到這了,更多相關Pytorch可視化Visdom內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- pytorch + visdom CNN處理自建圖片數據集的方法
- pytorch + visdom 處理簡單分類問題的示例
- pytorch visdom安裝開啟及使用方法
