这篇文章主要讲解了“python的visdom工具怎么使用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“python的visdom工具怎么使用”吧！

Visdom:一个灵活的可视化工具，可用来对于 实时，富数据的 创建，组织和共享。支持Torch和Numpy还有pytorch。

visdom
可以实现远程数据的可视化，对科学实验有很大帮助。我们可以远程的发送图片和数据，并进行在ui界面显示出来，检查实验结果，或者debug.

要用这个先要安装，对于python模块而言，安装都是蛮简单的：

pipinstallvisdom

安装完每次要用直接输入代码打开：

python-mvisdom.server

然后根据提示在浏览器中输入相应地址即可，默认地址为：http://localhost:8097/

importvisdom#添加visdom库importnumpyasnp#添加numpy库vis=visdom.Visdom(env='test')#设置环境窗口的名称,如果不设置名称就默认为mainvis.text('test',win='main')#使用文本输出vis.image(np.ones((3,100,100)))#绘制一幅尺寸为3*100*100的图片，图片的像素值全部为1

其中:

visdom.Visdom(env=‘命名新环境')
vis.text(‘文本', win=‘环境名')
vis.image(‘图片'，win=‘环境名')

importvisdomimportnumpyasnpvis=visdom.Visdom(env='my_windows')#设置环境窗口的名称,如果不设置名称就默认为mainx=list(range(10))y=list(range(10))#使用line函数绘制直线并选择显示坐标轴vis.line(X=np.array(x),Y=np.array(y),opts=dict(showlegend=True))

vis.line([x], [y], opts=dict(showlegend=True)[展示说明])

两条

importvisdomimportnumpyasnpvis=visdom.Visdom(env='my_windows')x=list(range(10))y=list(range(10))z=list(range(1,11))vis.line(X=np.array(x),Y=np.column_stack((np.array(y),np.array(z))),opts=dict(showlegend=True))

vis.line([x], [y=np.column_stack((np.array(y),np.array(z),np.array(还可以增加)))])
np.column_stack(a,b), 表示两个矩阵按列合并

importvisdomimporttorchvis=visdom.Visdom(env='sin')x=torch.arange(0,100,0.1)y=torch.sin(x)vis.line(X=x,Y=y,win='sin(x)',opts=dict(showlegend=True))持续更新图表

importvisdomimportnumpyasnpvis=visdom.Visdom(env='my_windows')#利用update更新图像x=0y=0my_win=vis.line(X=np.array([x]),Y=np.array([y]),opts=dict(title='Update'))foriinrange(10):x+=1y+=ivis.line(X=np.array([x]),Y=np.array([y]),win=my_win,update='append')

使用“append”追加数据，“replace”使用新数据，“remove”用于删除“name”中指定的跟踪。

importvisdomimporttorch#新建一个连接客户端#指定env='test1'，默认是'main',注意在浏览器界面做环境的切换vis=visdom.Visdom(env='test1')#绘制正弦函数x=torch.arange(1,100,0.01)y=torch.sin(x)vis.line(X=x,Y=y,win='sinx',opts={'title':'y=sin(x)'})#绘制36张图片随机的彩色图片vis.images(torch.randn(36,3,64,64).numpy(),nrow=6,win='imgs',opts={'title':'imgs'})绘制loss函数的变化趋势

#绘制loss变化趋势，参数一为Y轴的值，参数二为X轴的值，参数三为窗体名称，参数四为表格名称，参数五为更新选项，从第二个点开始可以更新vis.line(Y=np.array([totalloss.item()]),X=np.array([traintime]),win=('train_loss'),opts=dict(title='train_loss'),update=Noneiftraintime==0else'append')实际代码

此代码出自CycleGAN的 utils.py 里一个实现

#记录训练日志，显示生成图，画loss曲线的类classLogger():def__init__(self,n_epochs,batches_epoch):''':paramn_epochs:跑多少个epochs:parambatches_epoch:一个epoch有几个batches'''self.viz=Visdom()#默认env是main函数self.n_epochs=n_epochsself.batches_epoch=batches_epochself.epoch=1#当前epoch数self.batch=1#当前batch数self.prev_time=time.time()self.mean_period=0self.losses={}self.loss_windows={}#保存loss图的字典集合self.image_windows={}#保存生成图的字典集合deflog(self,losses=None,images=None):self.mean_period+=(time.time()-self.prev_time)self.prev_time=time.time()sys.stdout.write('Epoch%03d/%03d[%04d/%04d]--'%(self.epoch,self.n_epochs,self.batch,self.batches_epoch))fori,loss_nameinenumerate(losses.keys()):ifloss_namenotinself.losses:self.losses[loss_name]=losses[loss_name].data.item()#这里losses[loss_name].data是个tensor（包在值外面的数据结构），要用item方法取值else:self.losses[loss_name]=losses[loss_name].data.item()if(i+1)==len(losses.keys()):sys.stdout.write('%s:%.4f--'%(loss_name,self.losses[loss_name]/self.batch))else:sys.stdout.write('%s:%.4f|'%(loss_name,self.losses[loss_name]/self.batch))batches_done=self.batches_epoch*(self.epoch-1)+self.batchbatches_left=self.batches_epoch*(self.n_epochs-self.epoch)+self.batches_epoch-self.batchsys.stdout.write('ETA:%s'%(datetime.timedelta(seconds=batches_left*self.mean_period/batches_done)))#显示生成图forimage_name,tensorinimages.items():#字典.items()是以list形式返回键值对ifimage_namenotinself.image_windows:self.image_windows[image_name]=self.viz.image(tensor2image(tensor.data),opts={'title':image_name})else:self.viz.image(tensor2image(tensor.data),win=self.image_windows[image_name],opts={'title':image_name})#Endofeachepochif(self.batch%self.batches_epoch)==0:#一个epoch结束时#绘制loss曲线图forloss_name,lossinself.losses.items():ifloss_namenotinself.loss_windows:self.loss_windows[loss_name]=self.viz.line(X=np.array([self.epoch]),Y=np.array([loss/self.batch]),opts={'xlabel':'epochs','ylabel':loss_name,'title':loss_name})else:self.viz.line(X=np.array([self.epoch]),Y=np.array([loss/self.batch]),win=self.loss_windows[loss_name],update='append')#update='append'可以使loss图不断更新#每个epoch重置一次lossself.losses[loss_name]=0.0#跑完一个epoch，更新一下下面参数self.epoch+=1self.batch=1sys.stdout.write('')else:self.batch+=1

train.py中调用代码是

#绘画Loss图logger=Logger(opt.n_epochs,len(dataloader))forepochinrange(opt.epoch,opt.n_epochs):fori,batchinenumerate(dataloader):......#记录训练日志#Progressreport(http://localhost:8097)显示visdom画图的网址logger.log({'loss_G':loss_G,'loss_G_identity':(loss_identity_A+loss_identity_B),'loss_G_GAN':(loss_GAN_A2B+loss_GAN_B2A),'loss_G_cycle':(loss_cycle_ABA+loss_cycle_BAB),'loss_D':(loss_D_A+loss_D_B)},images={'real_A':real_A,'real_B':real_B,'fake_A':fake_A,'fake_B':fake_B})

感谢各位的阅读，以上就是“python的visdom工具怎么使用”的内容了，经过本文的学习后，相信大家对python的visdom工具怎么使用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！