如何在Ubuntu上安装PyTorch的可视化工具

Ubuntu上安装与配置PyTorch可视化工具

工具选型与适用场景

• TensorBoard / torch.utils.tensorboard：训练过程指标（损失、精度、图像、直方图、图结构）、嵌入投影等，适合日常训练监控与对比实验。
• Visdom：轻量实时可视化，适合边训练边查看曲线、散点、图片等，需单独启动服务。
• Matplotlib / Seaborn / Plotly / Bokeh：结果分析与报表绘图（曲线、分布、热力图、交互图），适合训练后分析与展示。
• PyTorchViz（torchviz）：可视化计算图（autograd依赖关系），便于模型结构与调试。
• Torchinfo：模型层级摘要与参数量统计，快速了解模型规模与输入输出形状。
• Netron：可视化ONNX等模型结构，便于部署前检查网络拓扑与维度。

安装步骤

• 通用
  • 建议先激活虚拟环境：python -m venv venv && source venv/bin/activate
  • 基础绘图与统计：pip install matplotlib seaborn plotly bokeh pandas
• TensorBoard
  • pip install tensorboard
• Visdom
  • pip install visdom
• PyTorchViz（需系统级Graphviz）
  • 系统依赖：sudo apt-get update && sudo apt-get install -y graphviz
  • Python包：pip install torchviz
• Torchinfo
  • pip install torchinfo
• Netron
  • pip install netron
    以上安装命令与依赖在Ubuntu上均可用，其中PyTorchViz依赖系统的Graphviz渲染引擎。

快速上手示例

• TensorBoard：记录并查看标量、图像与直方图
  • 代码

    from torch.utils.tensorboard import SummaryWriter
    import torch, torchvision
    writer = SummaryWriter("runs/demo")
    x = torch.randn(1, 3, 32, 32)
    model = torchvision.models.resnet18(num_classes=10).eval()
    with torch.no_grad():
        y = model(x)
    writer.add_scalar("loss", 0.42, 0)
    writer.add_histogram("conv1.weight", model.conv1.weight, 0)
    writer.add_images("input", x, 0)
    writer.close()
    

  • 启动与查看：tensorboard --logdir=runs，浏览器访问 http://localhost:6006。
• Visdom：实时曲线
  • 启动服务：python -m visdom.server
  • 代码

    import visdom, torch
    vis = visdom.Visdom()
    for i in range(100):
        vis.line(X=torch.tensor([i]), Y=torch.randn(1), win="loss", update="append", opts=dict(title="Loss"))
    

• PyTorchViz：计算图可视化
  • 代码

    import torch
    from torchviz import make_dot
    model = torch.nn.Sequential(
        torch.nn.Linear(8, 16), torch.nn.ReLU(),
        torch.nn.Linear(16, 1)
    )
    x = torch.randn(1, 8)
    y = model(x)
    dot = make_dot(y, params=dict(model.named_parameters()))
    dot.render("model_graph", format="pdf")  # 生成 model_graph.pdf
    

常见问题与排错

• Graphviz报错或无法渲染PDF：Ubuntu需安装系统包graphviz（命令见上），并确保dot -V可正常输出版本；渲染时优先使用format="pdf"或"png"。
• 端口被占用：TensorBoard默认端口6006，Visdom默认端口8097；如冲突可更换端口，例如：tensorboard --logdir=runs --port=6007，或python -m visdom.server -port 8098。
• 远程服务器使用：启动时加--bind_all并开放防火墙端口，例如：tensorboard --logdir=runs --bind_all --port=6006，然后用服务器IP访问；Visdom同理。
• 无GPU也可使用上述工具：可视化不依赖CUDA；若需GPU训练，先确认torch.cuda.is_available()为True。