visdom安装与基本用法

简介: visdom安装与基本用法

visdom的安装指令:


pip install visdom
python -m visdom.server


以下内容是在这部操作失败之后的方法


1.visdom安装


1.进入官网下载压缩包,然后解压到本地磁盘中

官网链接:https://github.com/fossasia/visdom或者是https://github.com/facebookresearch/visdom

image.png

2. cmd进入visdom-master目录中


ps:wins切换目录的目录是


cd /d e:\
# 或者是
e:
# 注意:cd e:/  这样的操作是无法切换的

image.png


3. 根据官方只是,本地安装visdom输入的指令是


pip install -e.

image.png


4. 退回用户Acer目录,执行python -m visdom.server

image.png

在最下方可以看见有一个链接:http://localhost:8097


在浏览器打开这个链接接口看见visdom的显示界面

image.png

成功


2.visdom基本用法


具体的用法可以参考官方文档


  1. 画曲线
from visdom import Visdom
viz = Visdom()
# 第一个参数:[0.],[0.]分别表示y与x的初始值,现在设置其初始值均为0
# 第二个参数win :表示一个标识符,可以理解为一个ID,系统会隐含的标识不会出现,不指定win,或默认的使用另外的一个ID:env,这个是一个大的窗口
# 第三个参数opts = dict(title = 'train loss':配置窗口的名字信息为train loss
# 这行代码就创建了一个ID为train_loss,显示名字为train loss的窗口,但是这个窗口只有一个点[0,0]
viz.line([0.],[0.],win = 'train_loss',opts = dict(title = 'train loss'))
# [global_step]:是x,代表了时间戳
# [loss.item()]:接受的是一个np数据,所以需要.item()将其进行转换
# update = 'append':表示添加在当前的数据后面,一个个的点才变成一条直线,否则数据会被覆盖
viz.line([loss.item()],[global_step],win = 'train_loss',update = 'append')

image.png

  1. 画多条曲线
from visdom import Visdom
viz = Visdom()
# [0.0,0.0]]表示的:[y1,y2], [0.]为 x
# win = 'test'是标识符
# title = 'test loss & acc'表示名称
# legend = ['loss','acc'])表示y1的图标是'loss',y2的图标是'acc'
viz.line([[0.0,0.0]],[0.],win = 'test',opts = dict(title = 'test loss & acc',
                                   legend = ['loss','acc']))
# 输入是两个数据,所以输出也是两个数据test_loss与correct / len(test_loader.dataset)
# [global_step]是x,横坐标的退役,其他的类似
viz.line([[test_loss,correct / len(test_loader.dataset)]],
         [global_step],win = 'test',update = 'append')

image.png


3. 显示图片与字符


viz = Visdom()
# data是一个tensor,直接在x这个标识的窗口中显示出来
viz.images(data.view(-1,1,28,28),win = 'x')
# str(pred.detach().cpu().numpy())直接将数据转换成字符串打印出来,表示为pred,并且赋予了title = 'pred'可见名字
viz.text(str(pred.detach().cpu().numpy()),win = 'pred',opts = dict(title = 'pred'))

image.png

目录
相关文章
|
7月前
|
Python
Python 进度条 tqdm模块
Python 进度条 tqdm模块
52 0
|
8月前
|
UED Python
tqdm进度条函数使用 python
tqdm进度条函数使用 python
|
10月前
|
机器学习/深度学习 并行计算 数据可视化
Python tqdm使用方法
Python tqdm使用方法
244 1
|
数据采集 并行计算 数据可视化
IPython的安装和基本使用
IPython的安装和基本使用
|
Python Windows
python怎么安装第三方库,python国内镜像源,终于找到最全的安装教程啦;如Requests,Scrapy,NumPy,matplotlib,Pygame,Pyglet,Tkinter
python怎么安装第三方库,python国内镜像源,终于找到最全的安装教程啦;如Requests,Scrapy,NumPy,matplotlib,Pygame,Pyglet,Tkinter
1948 0
|
机器学习/深度学习 JSON 数据可视化
Pytorch的可视化工具visdom的基本使用
Pytorch的可视化工具visdom的基本使用
1102 0
Pytorch的可视化工具visdom的基本使用
|
机器学习/深度学习 数据可视化 PyTorch
visdom的用法,详细的介绍torch相关案例
Visdom是一款用于创建交互式可视化的Python库,通常在深度学习中用于监视训练进度和可视化结果。在PyTorch中,可以使用Visdom轻松地创建图形和可视化数据。在这个例子中,我们首先使用 torchvision.utils.make_grid 方法加载了一批随机生成的图像,并使用 visdom.image 方法将其可视化。然后,我们创建了一些随机的二维数据,并使用 visdom.scatter 方法将其可视化为散点图。 需要注意的是,Visdom的Web界面支持实时更新,这意味着在训练模型或执行其他任务时,可以使用Visdom实时监视进度和结果。
296 0
|
Python
python中Tkinter用法(二)
python中Tkinter用法(二)
162 0
python中Tkinter用法(二)
|
数据可视化 IDE Shell
Py之ipython:Python库之ipython的简介、安装、使用方法详细攻略
Py之ipython:Python库之ipython的简介、安装、使用方法详细攻略
Py之ipython:Python库之ipython的简介、安装、使用方法详细攻略
|
编解码 API Python
Py之PyAutoGUI:python库之PyAutoGUI的简介、安装、使用方法
Py之PyAutoGUI:python库之PyAutoGUI的简介、安装、使用方法
Py之PyAutoGUI:python库之PyAutoGUI的简介、安装、使用方法

相关实验场景

更多