深度学习使用Visdom实时绘制损失函数
1.启动Visdom服务
在命令行窗口中输入这句话:
python -m visdom.server
复制这个网址在浏览器中打开
打开之后是这个样子
2.选择环境
导入visdom包
import visdom
选择环境窗口,这里也可以选择其他窗口,窗口名称就是浏览器打开后上方的Environment 这里的main
vis = visdom.Visdom(env='main') # 设置环境窗口的名称,如果不设置名称就默认为main
3.新建窗口
在这个环境中新建一个图像窗口,这句话不要放在每次迭代中
opt = {
'xlabel': 'epochs', # 横坐标名称
'ylabel': 'loss_value', # 纵坐标名称
'title': 'loss' # 标题是loss
}
#在环境窗口建立一个新的图窗,图窗标题是loss
loss_window = vis.line(
X=[0],
Y=[0],
opts=opt
)
4.更新图像
这句话放在每次迭代时:
vis.line(X=[epoch], Y=[对应的loss值], win=loss_window, opts=opt, update='append')
比如这个例子实现的效果:
#训练模型
vis = visdom.Visdom(env='main') # 设置环境窗口的名称,如果不设置名称就默认为main
opt = {
'xlabel': 'epochs',
'ylabel': 'loss_value',
'title': 'SGD_loss'
}
loss_window = vis.line(
X=[0],
Y=[0],
opts=opt
)
for epoch in range(400):
y_pred = model(x_data)
loss = criterion(y_pred, y_data)
print(epoch, loss.item())
#所有梯度归零化
optimizer.zero_grad()
#反向传播求出梯度
loss.backward()
#更新权重和偏置值,即w和b
optimizer.step()
vis.line(X=[epoch], Y=[loss.item()], win=loss_window, opts=opt, update='append')