PyTorch在Ubuntu上的可视化工具推荐 - 问答

在Ubuntu上，有多种可视化工具可用于PyTorch，以下是一些推荐的工具及其使用方法：

1. TensorBoard

用途：用于跟踪训练指标（如损失、准确率）、可视化模型结构、分析计算图、查看直方图/分布等。
集成方式：通过torch.utils.tensorboard模块。
安装：
```
pip install tensorboard
```

示例代码：

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("runs")
for epoch in range(num_epochs):
    # 训练代码
    writer.add_scalar("Loss/train", loss, epoch)
    writer.add_graph(model, input_tensor)
writer.close()

启动：
```
tensorboard --logdir=runs
```
在浏览器中访问 http://localhost:6006 查看可视化结果。

2. torchviz

用途：用于生成PyTorch模型的计算图，展示张量操作和依赖关系。
安装：
```
pip install torchviz graphviz
```

示例代码：

from torchviz import make_dot
input_tensor = torch.randn(1, 3, 224, 224)
output = model(input_tensor)
dot = make_dot(output, params=dict(model.named_parameters()))
dot.render("model_graph", format="png")

3. Netron

用途：用于可视化模型架构，支持.pt或.onnx格式。
安装：
```
pip install netron
```
使用方式：
- 下载Netron，直接打开模型文件。
- 或访问Netron网页版。

4. Visdom

用途：用于实时数据可视化，如折线图、热力图、3D点云等，适合动态更新数据。
安装：
```
pip install visdom
```

示例代码：

import visdom
viz = visdom.Visdom()
viz.line(Y=[loss], X=[epoch], win="loss", update="append")

5. Weights & Biases (W&B)

用途：用于记录实验超参数、输出结果、系统资源监控，支持协作与云端存储。

集成：

pip install wandb
wandb.init(project="my_project")
wandb.log({"loss": loss, "accuracy": acc})

6. Captum

用途：用于模型可解释性分析，支持特征重要性、注意力权重、层可视化等。
安装：
```
pip install captum
```

示例代码：

from captum.attr import IntegratedGradients
ig = IntegratedGradients(model)
attr = ig.attribute(input, target=label)

这些工具可以帮助你更好地理解和调试PyTorch模型，选择合适的工具取决于你的具体需求。

0 赞

0 踩