怎么用pytorch可视化

在 PyTorch 里“可视化”通常指几类事情，下面按最常见场景给你一个实用清单和示例代码。

一、训练过程可视化（最常用）

1️⃣ TensorBoard（官方推荐）

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("runs/exp1")

for epoch in range(epochs):
    loss = train_one_epoch()
    writer.add_scalar("Loss/train", loss, epoch)

writer.close()

运行：

tensorboard --logdir runs

浏览器打开 http://localhost:6006

✅ 可看：loss、accuracy、直方图、图像

二、模型结构可视化

2️⃣ 用 torchinfo

pip install torchinfo

from torchinfo import summary

model = MyModel()
summary(model, input_size=(1, 3, 224, 224))

✅ 显示：层数、参数量、shape

3️⃣ 用 Netron（图形化）

pip install netron

import netron
netron.start("model.pth")

✅ 最适合看网络结构图

三、特征 / 中间层可视化

4️⃣ 特征图可视化

import matplotlib.pyplot as plt

x = torch.randn(1, 3, 224, 224)
features = model.conv1(x)
f = features[0].detach().cpu()

fig, axes = plt.subplots(4, 4)
for i, ax in enumerate(axes.flat):
    ax.imshow(f[i], cmap="gray")
    ax.axis("off")
plt.show()

四、图像数据可视化

5️⃣ 普通图像

img = torchvision.utils.make_grid(images[:8])
plt.imshow(img.permute(1,2,0))
plt.show()

五、注意力 / CAM 可视化（进阶）

• Grad-CAM
• Score-CAM
• 可用库：pytorch-grad-cam

pip install pytorch-grad-cam

六、快速选择建议

如果你告诉我：

• 你是 分类 / 检测 / 生成模型
• 想看 loss / 特征 / 结构 / 注意力

我可以直接给你针对性代码。