目录

• 一、Visdom简介
• 二、安装和运行
• 三、可视化例子
• 1、输出Hello World！
• 2、显示图像
• 3、绘制散点图
• 4、绘制线条
• 4.1 绘制一条直线
• 4.2 绘制两条直线
• 4.3 绘制正弦曲线
• 总结

一、Visdom简介

Visdom是由Facebook公司开发的一个进行数据可视化的Web应用程序，支持Torch、Numpy、Pytorch这3个库的创建、管理和分享实时的数据可视化结果。

二、安装和运行

可直接使用pip进行安装，命令如下：

pip install visdom

安装过程如下：

安装完成后，运行下面的代码启动visdom服务器（运行需要时间，需要稍等一下；下图中的报错ERROR我没有管，不影响正常运行）：

python -m visdom.server

按照提示，在浏览器中输入http://localhost:8097就可以访问visdom了。初始界面如下图所示，是一个没有任何视窗的main环境。

三、可视化例子

1、输出Hello World！

打开开发工具（我用的是Pycharm2020.3），新建程序文件，输入以下代码：

import visdom
 
vis = visdom.Visdom()
vis.text("Hello World!")

点击运行，返回查看浏览器。这时浏览器会出现一个视窗，内容为“Hello World！”。

 拖拽视窗右下角箭头处（如图绿框处）可对视窗大小进行缩放，拖动视窗顶部横条（如图红框处）可以移动视窗。

2、显示图像

visdom可以直接显示Tensor格式的图像数据。

打开开发工具，新建程序文件，输入以下代码：

import visdom
from PIL import Image
import torchvision.transforms.functional as TF
 
demo_pic = Image.open("1.jpg")
img_tensor = TF.to_tensor(demo_pic)
vis = visdom.Visdom()
vis.image(img_tensor)

结果如下图所示：

 可以用images()函数同时显示多张图片，代码如下：

import visdom
from PIL import Image
import torchvision.transforms.functional as TF
import torch
 
demo_pic = Image.open("1.jpg")
img_tensor = TF.to_tensor(demo_pic)
img_tensors = torch.Tensor([img_tensor.numpy(), img_tensor.numpy()])
vis = visdom.Visdom()
vis.images(img_tensors)

结果如下：

3、绘制散点图

使用scatter()函数可以绘制二维或者三维的散点图。代码如下：

import visdom
import numpy as np
import torch
 
Y = np.random.rand(100)
vis = visdom.Visdom()
# vis = visdom.Visdom(env='my_wind')#设置环境窗口的名称是'my_wind',如果不设置默认为main
# 2—D
twoD_scatter = vis.scatter(X=torch.rand(100, 2),
                          Y=(Y + 1.5).astype(int), # 转换成100个1或2的整数
                          opts=dict(
                              legend=['Apples', 'Pears'], # 图例名称
                              xtickmin=-1, # 设置x坐标轴下限
                              xtickmax=2.5, # 设置x坐标轴上限
                              xtickstep=0.5, # 设置x坐标轴间隔
                              ytickmin=-1,
                              ytickmax=2.5,
                              ytickstep=0.5,
                              markersymbol='dot' # 设置数据显示样式
                          ),
                          )
# 3-D
# 3d scatterplot with custom labels and ranges
threeD_scatter = vis.scatter(X=np.random.rand(100, 3),
                             Y=(Y + 1.5).astype(int),
                             opts=dict(
                                 legend=['Men', 'Women'],
                                 markersize=5, # 标记大小
                                 xtickmin=0,
                                 xtickmax=2,
                                 xlabel='Arbitrary', # 标签
                                 xtickvals=[0, 0.75, 1.6, 2], # 设置坐标轴显示值
                                 ytickmin=0,
                                 ytickmax=2,
                                 ytickstep=0.5,
                                 ztickmin=0,
                                 ztickmax=1,
                                 ztickstep=0.5,
                             )
                             )

运行结果如下图所示：

  如果想要通过程序实现散点图参数的更新，可以使用update_window_opts()函数，代码如下：

vis.update_window_opts(
    win=twoD_scatter,
    opts=dict(
        legend=['Apples', 'Pears'],
        xtickmin=0,
        xtickmax=1,
        xtickstep=0.5,
        ytickmin=0,
        ytickmax=1,
        ytickstep=0.5,
        markersymbol='dot'
    )
)

update_window_opts()传入两个参数，第一个是视窗的实例，例子中是twoD_scatter；第二个是更新的参数字典opts。

更新后结果如下图所示：

4、绘制线条

4.1 绘制一条直线

代码如下：

import visdom
import numpy as np
vis = visdom.Visdom(env='my_windows')  # 设置环境窗口的名称,如果不设置名称就默认为main
# 绘制一条直线
x = list(range(10))
y = list(range(10))
# 使用line函数绘制直线 并选择显示坐标轴
vis.line(X=np.array(x), Y=np.array(y), opts=dict(showlegend=True))

结果如图所示：

4.2 绘制两条直线

代码如下：

# 绘制两条直线
import visdom
import numpy as np
vis = visdom.Visdom(env='my_windows')
x = list(range(10))
y = list(range(10))
z = list(range(1,11))
vis.line(X=np.array(x), Y=np.column_stack((np.array(y), np.array(z))),  opts=dict(showlegend=True))

结果如图所示：

4.3 绘制正弦曲线

代码如下：

import visdom
import torch
vis = visdom.Visdom(env='sin')
x = torch.arange(0, 100, 0.1)
y = torch.sin(x)
vis.line(X=x,Y=y,win='sin(x)',opts=dict(showlegend=True))

结果如图所示：

参考文献

Pytorch深度学习入门--曾芃壹

https://www.pythonf.cn/read/3068

总结

到此这篇关于Pytorch可视化之Visdom使用的文章就介绍到这了,更多相关Pytorch可视化Visdom内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【本文由：日本服务器 欢迎转载】