Visdom可视化学习笔记(一):通过visdom画曲线和显示图片总结

导入visdom

import visdom
viz = visdom.Visdom()

执行代码的时候还要通过终端输入python -m visdom.server

设置线性和颜色

import numpy as np
import visdom
viz=visdom.Visdom()

win = viz.line(
    X=np.column_stack((
        np.arange(0, 10),
        np.arange(0, 10),
        np.arange(0, 10),
    )),
    Y=np.column_stack((
        np.linspace(5, 10, 10),
        np.linspace(5, 10, 10) + 5,
        np.linspace(5, 10, 10) + 10,
    )),
    opts={
        'dash': np.array(['solid', 'dash', 'dashdot']),
        'linecolor': np.array([
            [0, 101, 255],
            [0, 61, 255],
            [255, 255, 0],
        ]),
        'title': 'Different line dash types'
    }
)

结果：

画一条折线

import visdom
viz = visdom.Visdom()
viz.line(X=[1, 2, 3, 4],  # x坐标
         Y=[1, 4, 9, 16],  # y值
        win="line1",  # 窗口id
        name="test line",  # 线条名称
        update='append',  # 以添加方式加入
        opts={
            'showlegend': True,  # 显示网格
            'title': "Demo line in Visdom",
            'xlabel': "x1",  # x轴标签
            'ylabel': "y1",  # y轴标签
        },
         )

结果：

画两条折线

import visdom
viz = visdom.Visdom()
viz.line(X=[1, 2, 3, 4],  # x坐标
         Y=[1, 4, 9, 16],  # y值
        win="line1",  # 窗口id
        name="test line",  # 线条名称
        update='append',  # 以添加方式加入
        opts={
            'showlegend': True,  # 显示网格
            'title': "Demo line in Visdom",
            'xlabel': "x1",  # x轴标签
            'ylabel': "y1",  # y轴标签
        },
         )
viz.line(X=[1, 2, 3, 4], Y=[0.5, 2, 4.5, 8],name="test line2", win='line1', update='append')

结果：

同时画多条曲线

import numpy as np
import visdom
viz=visdom.Visdom()
name = ['y=x^2', 'y=kx+b']
X = np.linspace(-5, 5, 100)  # (100,)
viz.line(
    Y=np.column_stack((X * X, np.sqrt(X + 5))),  # (100, 2)
    X=np.column_stack((X, X)),  # (100, 2)
    opts=dict(markers=False, legend=name),)

结果:

显示实时的动态曲线

import numpy as np
import visdom,time
viz=visdom.Visdom()

x, y = 0, 0

for i in np.linspace(0, 2 * np.pi, 1000):
    x = i
    y = np.sin(x)

    viz.line(X=np.array([x]), Y=np.array([y]), win='sin-realtime', update='append')
    time.sleep(0.0001)

from visdom import Visdom
import numpy as np
import torch

viz = Visdom(env='test')
#这句话就新建一个连接客户端

for i in range(0,10):
    x = torch.tensor([i])
    y = x
    viz.line(X=x, Y=y, win='polynomial', update='append' if i>0 else None)

#updateTrace新增一条线
x = torch.arange(0,9,0.1)
y = (x**2) / 9
viz.line(X=x, Y=y, win='polynomial', name='this is a new Trace',update='append')

结果：

显示图片

viz.image的功能可分为如下两类

• image接收一个二维或三维向量，HxW或3×HxW，前者是黑白图像，后者是彩色图像。
• images接收一个四维向量NxCxHxW，C可以是1或3，分别代表黑白和彩色图像。可实现类似torchvision中makegrid的功能，将多张图片拼接在一起。images也可以接收一个二维或三维的向量，此时它所实现的功能与image一致。

from visdom import Visdom
import numpy as np
import torch
viz = Visdom(env='test')
# 这句话就新建一个连接客户端
# 可视化一张随机的黑白图片
viz.image(torch.randn(64, 64).numpy())
# 可视化一张随机的彩色图片
viz.image(torch.randn(3, 64, 64).numpy(), win='random2')
# 可视化36张随机的彩色图片,每行6张
# viz.image(torch.randn(36,3,64,64).numpy(), nrow=6, win='random3',opts={'title':'random_imgs'})
viz.images(torch.randn(36, 3, 64, 64).numpy(), nrow=6, win='random3', opts={'title': 'random_imgs'})

结果：

显示文本

from visdom import Visdom
import numpy as np
import torch

viz = Visdom(env='test')
# 这句话就新建一个连接客户端
a='this is a test'
viz.text(a, win='label', opts=dict(title='batch-y'))

结果: