pytorch学习：visdom绘制网络训练过程

安装

pip install visdom 或者 conda install visdom

打开使用visdom

python -m visdom.server

通过http://localhost:8097访问

在代码中加入visdom

#导入包
from visdom import Visdom
#生成一个viz的环境
viz = Visdom()

#初始化两个小的窗格，来分别绘制train,test的情况
# 绘制初始点，原点
viz.line([0.], [0.], win='train_loss',opts=dict(title='train loss'))  #single-line
viz.line([loss.item()], [global_step], win='trian_loss', update='append')
###################
#更新点
viz.line([[0., 0.]], [0.], win='test',opts=dict(title='train loss',  legend=['loss', 'acc.']))
viz.line([[test_loss, correct / len(test_loader.dataset)]], [global_step], win='test', update='append')
#这里前两个参数，一个表示指定变化指标数量，一个或者两个提前占位，并初始化为0，
#第二个参数表示进行到第几步全局minibatch批次号总共进行了几个minibatch

###################

viz.images(data.view(-1,1,28,28), win='x')
viz.text(str(pred.detach().cpu().numpy()), win='pred', opts=dict(title='pred'))  
# 推荐使用x.detach()来访问数据，更加安全。
# 使用loss += loss.detach()来获取不需要梯度回传的部分。
# 或者使用loss.item()直接获得所对应的python数据类型。

Environments(环境)

Panes（窗格）

一个小问题，如果原始点不管他，那就是从原点开始导致图像如下：

可一通过选择更新方式来替换第一个点：

        self.vis.line(Y=y,X=np.ones(y.shape)*x,
                    win=str(name_total),#unicode
                    opts=dict(legend=name,
                        title=name_total),
                    update='replace' if epoch == 0 else 'append'

之后的输出是：

参考链接：

推荐教程：
https://www.pytorchtutorial.com/using-visdom-for-visualization-in-pytorch/

https://github.com/facebookresearch/visdom

https://www.pytorchtutorial.com/using-visdom-for-visualization-in-pytorch/

https://www.pytorchtutorial.com/pytorch-visdom/

https://www.cnblogs.com/wanghui-garcia/p/10659966.html