1 Visdom安装

  • 在代码环境下执行以下命令即可安装。
1
pip install visdom

2 Visdom可视化训练过程

(1) Visdom可视化方法的实现

  • 以下python类可自行实现，这里贴出本人使用的Visdom类和方法。
    注：以下代码直接拷贝至visualizer.py并与模型训练文件放在同一路径下即可，在需要可视化的文件中调用Visualizer类。
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
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
import os
import visdom
import numpy as np
import time


class Visualizer(object):
    """
    封装了visdom的基本操作，但是你仍然可以通过`self.vis.function`
    或者`self.function`调用原生的visdom接口
    比如
    self.text('hello visdom')
    self.histogram(t.randn(1000))
    self.line(t.arange(0, 10),t.arange(1, 11))
    """
    def __init__(self, env="default", **kwargs):
        self.vis = visdom.Visdom(env=env, **kwargs)
        self.env = env
        # 画的第几个数，相当于横坐标
        # 比如("loss", 23) 即loss的第23个点
        self.index = {}
        self.log_text = ""
    
    def reinit(self, env="default", **kwargs):
        """
        修改visdom的配置
        """
        self.vis = visdom.Visdom(env=env, **kwargs)
        self.env = env
        
        return self
    
    def plot_many(self, d):
        """
        一次plot多个
        @params d: dict (name, value) i.e. ("loss", 0.11)
        """
        for k, v in d.iteritems():
            self.plot(k, v)
    
    def img_many(self, d):
        for k, v in d.iteritems():
            self.img(k, v)
    
    def plot(self, name, y, **kwargs):
        # self.plot("loss", 1.00)
        
        x = self.index.get(name, 0)
        self.vis.line(Y=np.array([y]), X=np.array([x]),
                      win=name,
                      opts=dict(title=name),
                      update=None if x == 0 else "append",
                      **kwargs
                      )
        self.index[name] = x + 1
    
    def img(self, name, img_, **kwargs):
        """
        self.img("input_img", t.Tensor(64, 64))
        self.img("input_imgs", t.Tensor(3, 64, 64))
        self.img("input_imgs", t.Tensor(100, 1, 64, 64))
        self.img("input_imgs", t.Tensor(100, 3, 64, 64), nrows=10)
        """
        self.vis.images(img_,
                        win=name,
                        opts=dict(title=name),
                        **kwargs
                        )
    
    def log(self, info, win="log_text"):
        """
        self.log({"loss": 1, "lr": 0.0001})
        """
        self.log_text += ("[{time}] {info} <br>".format(
            time=time.strftime("%m%d_%H%M%S"), info=info))
        self.vis.text(self.log_text, win)
    
    def __getattr__(self, name):
        """
        self.function 等价于self.vis.function
        自定义的plot, image, log, plot_many等除外
        """
        return getattr(self.vis, name)

(2) Visualizer类的调用以及其方法的使用

Visualizer类的初始化

  • Visualizer类包含环境名和端口号两个参数。
    环境名（env）：字符串，无默认值，为便于区分，建议设置为实验名称。如’exp1’。
    端口号（port）：整数，默认为8097，避免与他人冲突，建议更改。
1
viz = Visualizer(env, port)

Visualizer类中方法的使用

  • 以下通过举例来说明。

Loss曲线可视化

1
viz.plot("train loss", loss.item())

图像可视化

1
2
3
viz.img(name="images", img_=img[0, :, :, :])
viz.img(name="labels", img_=gt[0, :, :, :])
viz.img(name="prediction", img_=pred[0, :, :, :])

(3) Visdom服务器启动

  • 新开一个终端，在代码环境下执行以下命令即可打开。
    注：此终端必须保持打开状态，不可关闭。
1
python -m visdom.server -port=9999

(4) 打开Visdom可视化网页

  • 浏览器中输入server_ip:9999打开网页，在environment中选择自己设置的环境名即可看到可视化结果。