PyTorch使用Visdom绘制训练过程曲线

最近在训练网络，网络的损失和准确率都是在终端输出的，很不直观，也看不出变化，就想着有没有一种工具可以实现实时的绘制模型的训练过程，然后就搜到了Visdom，发现这是个好东西啊，完全满足了我的需求，学习一下，在这里记录一下，方便以后查阅。

非常详细的介绍：深度学习可视化工具visdom使用

Visdom介绍

visdom的github主页：https://github.com/fossasia/visdom
visdom中文文档参考：https://ptorch.com/news/77.html

Visdom是FaceBook公司开发的一款开源数据可视化工具，以其简单易用的功能，很快成为PyTorch的一个数据可视化工具。

Visdom的目标是促进（远程）数据的可视化，重点是支持科学实验。为你自己和你的合作者广播绘制：视频、图像、文本等的可视化。

安装Visdom

visdom要求python3的环境，安装比较简单直接用pip安装即可：

pip install visdom

Visdom使用

python -m visdom.server

然后在浏览器中打开返回的链接：http://loaclhost:8097

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

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
)

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')

放到神经网络训练代码中就是下面这样：

#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')

参考资料

Visdom数据可视化工具绘制Loss曲线

在深度学习中使用python编程和Visdom绘制损失函数图像