PyTorch在Linux上的可视化工具怎么用

以下是PyTorch在Linux上常用可视化工具的使用方法：

一、TensorBoard（推荐）

• 安装：pip install tensorboard
• 记录数据：

  from torch.utils.tensorboard import SummaryWriter
  writer = SummaryWriter('runs/experiment')  # 指定日志目录
  for epoch in range(num_epochs):
      writer.add_scalar('Loss/train', loss, epoch)  # 记录标量
      writer.add_images('Input', images, epoch)     # 记录图像
  writer.close()
  

• 启动可视化：
  终端输入 tensorboard --logdir=runs，浏览器访问 http://localhost:6006 查看曲线、模型结构等。

二、Visdom（交互式可视化）

• 安装与启动：
  pip install visdom，然后运行 python -m visdom.server，访问 http://localhost:8097。
• 绘制曲线：

  import visdom
  vis = visdom.Visdom()
  loss_window = vis.line(X=torch.zeros(1), Y=torch.zeros(1), opts=dict(title='Loss'))
  for epoch in range(num_epochs):
      vis.line(X=torch.tensor([epoch]), Y=torch.tensor([loss]), win=loss_window, update='append')
  

  支持实时更新曲线、散点图、图像等。

三、Matplotlib/Seaborn（基础统计可视化）

• 安装：pip install matplotlib seaborn
• 绘制损失曲线：

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

  Seaborn可绘制更美观的统计图，如直方图、热力图。

四、torchviz（模型结构可视化）

• 安装：pip install torchviz
• 生成模型图：

  from torchviz import make_dot
  input_tensor = torch.randn(1, 3, 224, 224)
  dot = make_dot(model(input_tensor), params=dict(model.named_parameters()))
  dot.render('model_structure', format='pdf')  # 保存为PDF
  

  可直观展示模型计算图。

五、其他工具

• Weights & Biases (W&B)：需注册账号，支持实验跟踪和团队协作，安装后通过wandb.init()记录数据。
• Netron：专注模型结构可视化，支持直接打开PyTorch模型文件（如.pt），需单独安装。

注意：Linux环境下需确保Python环境配置正确，部分工具（如Visdom）需提前安装依赖库（如python-qt5）。可根据需求选择工具，TensorBoard适合全面监控，Visdom适合交互式调试，Matplotlib适合基础绘图。