Ubuntu下PyTorch的可视化工具怎么用

Ubuntu下PyTorch可视化工具使用指南

一 工具选型与适用场景

• TensorBoard：记录并可视化训练过程中的标量（如Loss/Accuracy）、图像、直方图、计算图等；适合日常训练监控与对比实验。
• Matplotlib / Seaborn / Pandas：训练过程中的快速曲线绘制与结果分析；适合轻量、本地化可视化与报表输出。
• Visdom：Facebook开源的实时可视化工具，适合需要交互式、动态更新的场景。
• Torchinfo：模型结构与参数量概览（类似模型“摘要”），便于快速审查网络层与维度。
• PyTorchviz：基于Graphviz生成计算图（PDF/PNG），便于理解前向/反向依赖与节点细节。
• Netron：可视化模型结构（支持多种格式），上手简单、无需写代码，适合快速查看模型架构。

二 快速上手 TensorBoard

• 安装与导入
  • 建议在新环境安装：pip install tensorboard（PyTorch 1.7+ 可直接使用；更老版本可用 tensorboardX）。
  • 代码中导入：from torch.utils.tensorboard import SummaryWriter。
• 记录标量与图像
  • 创建日志目录：writer = SummaryWriter(‘runs/exp1’)
  • 训练循环中记录：writer.add_scalar(‘Loss/train’, loss.item(), epoch)；writer.add_scalar(‘Accuracy/train’, acc, epoch)
  • 可选：writer.add_image(‘input’, img_tensor, epoch, dataformats=‘CHW’)
• 启动与查看
  • 终端启动：tensorboard --logdir=runs
  • 浏览器访问：http://localhost:6006
• 小提示
  • 多实验用不同子目录（如 runs/exp1、runs/exp2），便于对比。
  • 训练结束务必调用 writer.close() 或使用上下文管理。

三 模型结构与计算图可视化

• Torchinfo（模型摘要）
  • 安装：pip install torchinfo
  • 使用：from torchinfo import summary；summary(model, input_size=(3, 224, 224))
• PyTorchviz（计算图）
  • 安装：pip install torchviz；系统依赖：sudo apt-get install graphviz
  • 使用：
    • input_tensor = torch.randn(1, 3, 224, 224, requires_grad=True)
    • out = model(input_tensor)
    • dot = make_dot(out, params=dict(model.named_parameters()))
    • dot.render(‘model_graph’, format=‘pdf’, cleanup=True)
• Netron（零代码模型结构查看）
  • 安装：pip install netron
  • 使用：
    • 保存模型为 TorchScript：torch.jit.script(model).save(‘model.pt’)
    • 启动服务：netron model.pt（默认端口 8080）
    • 浏览器访问：http://localhost:8080
• 小贴士
  • TensorBoard 也可查看计算图：在 SummaryWriter 中添加 graph（如 add_graph），再用 TensorBoard 打开。

四 训练曲线与分布等快速可视化

• Matplotlib（基础绘图）
  • 安装：pip install matplotlib
  • 示例：
    • epochs = range(1, num_epochs+1)
    • plt.plot(epochs, train_losses, label=‘Train’)
    • plt.plot(epochs, val_losses, label=‘Val’)
    • plt.xlabel(‘Epoch’); plt.ylabel(‘Loss’); plt.legend(); plt.show()
• Seaborn / Pandas（统计可视化）
  • 安装：pip install seaborn pandas
  • 示例：
    • sns.histplot(train_losses, kde=True); plt.title(‘Loss Distribution’)
    • df = pd.DataFrame({ ‘Epoch’: epochs, ‘Train’: train_losses, ‘Val’: val_losses} )
    • df.plot(x=‘Epoch’, y=[‘Train’,‘Val’], kind=‘line’)
• Visdom（实时可视化）
  • 安装：pip install visdom
  • 启动服务：python -m visdom.server
  • 使用：
    • import visdom; vis = visdom.Visdom()
    • vis.line(X=torch.arange(len(data)), Y=data.numpy(), opts=dict(title=‘Line’))

五 常见问题与排错

• 端口占用
  • TensorBoard 默认 6006；Netron 默认 8080。若端口被占用，可更换端口：tensorboard --logdir=runs --port 6007；netron model.pt --port 8081。
• Graphviz 未找到
  • 使用 PyTorchviz 前需系统安装 Graphviz（sudo apt-get install graphviz），否则会报找不到 dot 命令。
• 旧版 PyTorch 的兼容
  • 若使用 torch < 1.7，可安装 tensorboardX 并用 from tensorboardX import SummaryWriter；新版本建议直接使用 torch.utils.tensorboard。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！