Visdom常用功能

pip install visdom ,

先把梯子下了，然后再install

如果出现error

【我竟然只用一天就学会了大学四年没学会的pytorch入门实战课程！】（附带课程笔记+源码 ）_哔哩哔哩_bilibili课时54

使用时：在terminal中输入 python -m visdom.server

会给你一个网址，点击链接进入可视化

1、下面的是在DataLoader之后的调试可视化

db.denormalize(image)是自定义的去transforms.Normalize()的函数，不然通过trans之后输出的图像无法清晰的看出其表达内容，当然也可以直接输出

viz.images(image, nrow=4, win='batch', opts=dict(title='sample_X'))

def main():
    import visdom
    import time
    viz = visdom.Visdom()

    root = r"F:CNNCNN_classificationml2021spring-hw3food-11traininglabeled"
    save_root = r"F:pytorchstudy5data_set"
    db = Getdata(root, save_root, 224, 'train') #Getdata是我重载的dataset类
 
    train_data = DataLoader(db, batch_size= 8 , shuffle=True)
    image, label = next(iter(train_data))
    # viz.images同时显示多张图片
    for image,label in train_data:
        viz.images(db.denormalize(image), nrow=4, win='batch', opts=dict(title='sample_X'))
        viz.text(str(label.numpy()), win='label',opts = dict(title = 'batch_y'))
        time.sleep(10)

main()

from visdom import Visdom

viz = Visdom()

"""single trace"""
viz.line([[0., 0.]], [0.], win='loss', opts=dict(title='train&valid loss', legend=['train loss', 'test_loss']))
# [y1,y2]=[0., 0.],[x]=[0.],x在最后
# 这个绘图窗口的名字：loss
# 这个图片的名字 ：train&valid loss
viz.line([[loss.item(),valid_loss.item()]], [global_step], win='loss', update='append')
# update='append' 在后面连续增加更新

可以跟踪loss，acc但是windows参数要设置的不一样

效果图如下所示：