原文：https://blog.csdn.net/LXX516/article/details/79019328
启动
python -m visdom.server
在浏览器输入：http://localhost:8097/，即可启动
2. 可视化损失函数的示例
首先介绍一下visdom中的line()函数：
1) 画一条直线
from visdom import Visdom
import numpy as np
viz = Visdom(env='my_wind')#设置环境窗口的名称是'my_wind',如果不设置名称就在main中
tr_loss=list(range(100))
viz.line(Y=np.array(tr_loss), opts=dict(showlegend=True))
在运行上面的程序之前，首先启动visdom，在cmd里输入python -m visdom.server，然后在浏览器里输入：http://localhost:8097/，默认是在main环境下：
上面的代码里，我们设置环境窗口的名称是'my_wind'，所以我们需要打开my_wind环境，如下：
运行代码！
2) 如果要画多条直线
from visdom import Visdom
import numpy as np
viz = Visdom(env='my_wind')#设置环境窗口的名称是'my_wind',如果不设置名称就在main中
tr_loss=list(range(100))
ts_loss=list(range(10,110))
viz.line(Y=np.column_stack((np.array(tr_loss),np.array(ts_loss))), opts=dict(showlegend=True))
注意：以上变量的值在绘制前是确定了的
3）如果要绘制随程序运行逐渐产生的值，如在训练的时候，可以采用line的update方法
from visdom import Visdom
import numpy as np
viz = Visdom(env='my_wind')
x,y=0,0
win = viz.line(
X=np.array([x]),
Y=np.array([y]),
opts=dict(title='two_lines'))
for i in range(10):
x+=i
y+=i
viz.line(
X=np.array([x]),
Y=np.array([y]),
win=win,#win要保持一致
update='append')
最后是深度学习训练过程中的损失函数可视化，参考的是pytorch实战指南里的可视化操作。
将损失函数的可视化放在visual_loss.py文件：
#coding:utf8
import visdom
import time
import numpy as np
class Visualizer(object):
def __init__(self, env='default', **kwargs):
self.vis = visdom.Visdom(env=env, **kwargs)
self.index = {}
def plot_many_stack(self, d):
'''
self.plot('loss',1.00)
'''
name=list(d.keys())
name_total=" ".join(name)
x = self.index.get(name_total, 0)
val=list(d.values())
if len(val)==1:
y=np.array(val)
else:
y=np.array(val).reshape(-1,len(val))
#print(x)
self.vis.line(Y=y,X=np.ones(y.shape)*x,
win=str(name_total),#unicode
opts=dict(legend=name,
title=name_total),
update=None if x == 0 else 'append'
)
self.index[name_total] = x + 1
在jupyter notebook——loss_visual_test.ipynb中进行函数功能测试：
from visual_loss import Visualizer
from torchnet import meter
#用 torchnet来存放损失函数，如果没有，请安装conda install torchnet
'''
训练前的模型、损失函数设置
vis = Visualizer(env='my_wind')#为了可视化增加的内容
loss_meter = meter.AverageValueMeter()#为了可视化增加的内容
for epoch in range(10):
#每个epoch开始前，将存放的loss清除，重新开始记录
loss_meter.reset()#为了可视化增加的内容
model.train()
for ii,(data,label)in enumerate(trainloader):
...
out=model(input)
loss=...
loss_meter.add(loss.data[0])#为了可视化增加的内容
#loss可视化
#loss_meter.value()[0]返回存放的loss的均值
vis.plot_many_stack({'train_loss': loss_meter.value()[0]})#为了可视化增加的内容
'''
#示例
vis = Visualizer(env='my_wind')#为了可视化增加的内容
loss_meter = meter.AverageValueMeter()#为了可视化增加的内容
for epoch in range(10):
loss_meter.reset()#为了可视化增加的内容
loss_meter.add(epoch)#假设loss=epoch
vis.plot_many_stack({'train_loss': loss_meter.value()[0]})#为了可视化增加的内容
#如果还想同时显示test loss，如法炮制,并用字典的形式赋值，如下。还可以同时显示train和test accuracy
#vis.plot_many_stack({'train_loss': loss_meter.value()[0]，'test_loss':test_loss_meter.value()[0]})#为了可视化增加的内容
文件结构：
其中__init__.py为空
注意：我的visdom版本为
也不知道用的是哪个，通过conda install visdom安装的版本比较旧，官网的最新版本是
安装方式是在终端输入
conda install -c srivasv visdom
更多细节请参看官网