visdom使用教程

阿月浑子

发布于：2022年9月20日

字数：934字

时长：3分钟

参考博文：

在进行深度学习实验时，能够可视化地对训练过程和结果进行展示是非常有必要的。除了Torch版本的TensorBoard工具TensorBoardX之外，Torch官方也提供了一款非常好用的可视化神器——visdom。visdom是一款用于创建、组织和共享实时大量训练数据可视化的灵活工具。

深度学习模型训练通常放在远程的服务器上，服务器上训练的一个问题就在于不能方便地对训练进行可视化，相较于TensorFlow的可视化工具TensorBoard，visdom则是对应于PyTorch的可视化工具。

安装与启动

直接通过pip install visdom即可完成安装，之后在终端输入如下命令即可启动visdom服务：

1	python -m visdom.server

启动服务后输入本地或者远程地址，端口号8097，即可打开visdom主页。

主要元素

visdom界面简单，主要构成元素包括窗口(Windows)、环境(Environments)、状态(State)、过滤(Filter)、视图(Views)等。

环境：用于对可视化空间进行分区，比如在对训练进行可视化的时候我们可以在一个环境里对loss进行可视化，在另一个环境下对训练的输入输出进行可视化。

状态：visdom会自动缓存你创建的可视化内容，当页面关闭之后，重新加载便可恢复这些内容。

过滤：可用于筛选可视化窗口，快速查找。

视图：可以快速地对可视化窗口进行排列和管理。

应用示例

visdom将可以进行可视化的对象都放在基础模块中，包括单/多张图像、文本、语音、视频、svg矢量图、属性网格、matplotlib绘图对象、序列化状态对象等。基础图形由plotly提供，主要包括散点图、折线图、热图、茎叶图、柱形图、箱线图、表面图、等高线图、网格图等。

以matplotlib绘图对象为例进行展示。

具体到深度学习训练时，我们可以在torch训练代码下插入visdom的可视化模块：

if args.steps_plot > 0 and step % args.steps_plot == 0:
    image = inputs[0].cpu().data
    vis.image(image,f'input (epoch: {epoch}, step: {step})')
    vis.image(outputs[0].cpu().max(0)[1].data, f'output (epoch: {epoch}, step: {step})')
    vis.image(targets[0].cpu().data, f'target (epoch: {epoch}, step: {step})')
    vis.image(loss, f'loss (epoch: {epoch}, step: {step})')

将上述模块插入到VOC 2012语义分割训练中，效果如下：

也可以监控训练过程中的loss变化：

问题集合

1.第一次安装后想运行试试看，结果出现了以下问题：

Traceback (most recent call last):
  File "E:/code_set/ssd-v5/frs.py", line 3, in <module>
    vis = visdom.Vidom(env='model_1')
AttributeError: module 'visdom' has no attribute 'Vidom'

通过查阅相关资料，发现是自己导包导错了，写的时候并没有报错，很不容易发现

错误代码：

import visdom
import torch
vis = visdom.Vidom(env='model_1')
vis.text('Hello World', win='text1')

正确代码：

import visdom
import torch
vis = visdom.Visdom(env='model_1')
vis.text('Hello World', win='text1')

还可能是因为将文件命名成了visdom.py,导致代码内调包时引用了同级目录内的文件，具体参考：使用visdom时遇到问题 AttributeError: module ‘visdom’ has no attribute ‘Visdom’

第一次成功应用visdom模块跑线性图

代码如下：

import visdom
import torch
vis = visdom.Vidom(env='model_1')
vis.text('Hello World', win='text1')
vis2 = visdom.Visdom(env='test2')
for ii in range(0,10):
    x = torch.Tensor([ii])
    y = x

    vis2.line(X=x,Y=y,win='polynomial',update='append' if ii>0 else None)
x = torch.arange(0,9,0.1)
y = (x ** 2)/9
vis2.line(X=x,Y=y,win='polynomial',name = 'this is new trace',update='append')