在深度学习中使用python编程和Visdom绘制损失函数图像

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')