Linux下PyTorch的可视化工具如何使用

以下是Linux下PyTorch常用可视化工具的使用方法：

一、TensorBoard（训练过程可视化）

• 安装：pip install tensorboard
• 使用步骤：
  1. 在代码中导入并初始化SummaryWriter：

     from torch.utils.tensorboard import SummaryWriter
     writer = SummaryWriter('logs')  # 指定日志目录
     

  2. 在训练循环中记录数据（如损失、准确率）：

     writer.add_scalar('Loss/train', loss, epoch)
     writer.add_scalar('Accuracy/train', accuracy, epoch)
     

  3. 启动TensorBoard：

     tensorboard --logdir=logs
     

  4. 在浏览器访问localhost:6006查看可视化结果。

二、Matplotlib/Seaborn（数据可视化）

• 安装：pip install matplotlib seaborn
• 使用示例：
  • Matplotlib：绘制损失曲线

    import matplotlib.pyplot as plt
    plt.plot(epochs, train_losses, 'bo-', label='Train Loss')
    plt.xlabel('Epochs'); plt.ylabel('Loss')
    plt.legend(); plt.show()
    

  • Seaborn：绘制损失分布直方图

    import seaborn as sns
    sns.histplot(train_losses, kde=True)
    plt.title('Loss Distribution'); plt.show()
    

三、torchviz（模型结构可视化）

• 安装：pip install torchviz
• 使用步骤：
  1. 生成模型计算图：

     from torchviz import make_dot
     input_tensor = torch.randn(1, 3, 224, 224)
     dot = make_dot(model(input_tensor), params=dict(model.named_parameters()))
     

  2. 保存为图片或PDF：

     dot.render("model_structure", format="png")  # 保存为PNG
     

四、其他工具

• Visdom：支持实时可视化训练数据和图像，适合远程调试。
  • 安装：pip install visdom
  • 启动服务：python -m visdom.server
  • 代码示例：viz.line([loss], [epoch], win='loss', update='append')

注意事项

• TensorBoard需指定日志目录，启动后通过浏览器查看。
• 模型可视化工具（如torchviz）需在模型定义后调用，输入需为随机张量以生成结构图。