Linux下PyTorch的可視化工具如何使用

以下是Linux下PyTorch常用可視化工具的使用方法：

一、TensorBoard（訓練過程可視化）

• 安裝：pip install tensorboard
• 使用步驟：
  1. 在代碼中導入并初始化SummaryWriter：

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

  2. 在訓練循環中記錄數據（如損失、準確率）：

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

  3. 啟動TensorBoard：

     tensorboard --logdir=logs
     

  4. 在瀏覽器訪問localhost:6006查看可視化結果。

二、Matplotlib/Seaborn（數據可視化）

• 安裝：pip install matplotlib seaborn
• 使用示例：
  • Matplotlib：繪制損失曲線

    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：繪制損失分布直方圖

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

三、torchviz（模型結構可視化）

• 安裝：pip install torchviz
• 使用步驟：
  1. 生成模型計算圖：

     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. 保存為圖片或PDF：

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

四、其他工具

• Visdom：支持實時可視化訓練數據和圖像，適合遠程調試。
  • 安裝：pip install visdom
  • 啟動服務：python -m visdom.server
  • 代碼示例：viz.line([loss], [epoch], win='loss', update='append')

注意事項

• TensorBoard需指定日志目錄，啟動后通過瀏覽器查看。
• 模型可視化工具（如torchviz）需在模型定義后調用，輸入需為隨機張量以生成結構圖。