【深度学习(PyTorch篇)】47.可视化工具——Visdom

pip install visdom

python -m visdom.server

import visdom  

# 创建一个Visdom客户端实例  
vis = visdom.Visdom(env=u'test1' , use_incoming_socket=False)  

# 创建一个线性图 
vis.line(Y=[2, 4, 6], X=[1, 2, 3], win='my_line', update='append')

 1. opts.title : 图标题
 2. opts.width : 图宽
 3. opts.height : 图高
 4. opts.showlegend : 显示图例 (true or false)
 5. opts.xtype : x轴的类型 ('linear' or 'log')
 6. opts.xlabel : x轴的标签
 7. opts.xtick : 显示x轴上的刻度 (boolean)
 8. opts.xtickmin : 指定x轴上的第一个刻度 (number)
 9. opts.xtickmax : 指定x轴上的最后一个刻度 (number)
10. opts.xtickvals : x轴上刻度的位置(table of numbers)
11. opts.xticklabels : 在x轴上标记标签 (table of strings)
12. opts.xtickstep : x轴上刻度之间的距离 (number)
13. opts.xtickfont :x轴标签的字体 (dict of font information)
14. opts.ytype : type of y-axis ('linear' or 'log')
15. opts.ylabel : label of y-axis
16. opts.ytick : show ticks on y-axis (boolean)
17. opts.ytickmin : first tick on y-axis (number)
18. opts.ytickmax : last tick on y-axis (number)
19. opts.ytickvals : locations of ticks on y-axis (table of numbers)
20. opts.yticklabels : ticks labels on y-axis (table of strings)
21. opts.ytickstep : distances between ticks on y-axis (number)
22. opts.ytickfont : font for y-axis labels (dict of font information)
23. opts.marginleft : 左边框 (in pixels)
24. opts.marginright :右边框 (in pixels)
25. opts.margintop : 上边框 (in pixels)
26. opts.marginbottom: 下边框 (in pixels)
27. opts.lagent=['']： 显示图标

https://github.com/fossasia/visdom

# 绘制折线图
x = torch.arange(0,30,0.01)
y = torch.sin(x)
y2 = torch.cos(x)

# 绘制第一条线 y = sin(x)，并设置标题及所有图例
vis.line(X=x,Y=y,win='Line Plot',name='y=sin(x)',opts={'title':'Line Plot', 'legend':['y=sin(x)', 'y=cos(x)']}) # 包含所有图例
# 更新图形时添加新线 y = cos(x)，并确保不覆盖原有opts(不再需要重复提供opts，因为它们已经在首次调用时设置好了)
vis.line(X=x,Y=y2,win='Line Plot',name='y=cos(x)',update='append')

# 生成随机数据  
data = np.random.randn(1000)  

# 绘制直方图  
vis.histogram(  
    X=data,  
    opts=dictdict(  
        title='Histogram of Random Data',  
        xlabel='Value',  
        ylabel='Frequency',  
        numbins=20  # 设置分箱数量为20  
    ),  
    win='histogram_window'  
)

# 生成随机散点数据  
x = np.random.rand(100,3)  
y = np.random.rand(100)

# 绘制散点图  
vis.scatter(  
    X=x,  
    Y=(y[y > 0] + 1.5).astype(int),  #  # 生成与x相关的y坐标，其中包含范围在 1 到 K 之间的离散标签，标签将反映在标记的颜色中
    opts=dict(  
        title='Scatter Plot of Random Points',  
        xlabel='X',  
        ylabel='Y',
        markersize=5,
        legend=['Group 1', 'Group 2']
    ),  
    win='scatter_window'  
)

# 准备条形图数据  
x_labels = ['A', 'B', 'C', 'D', 'E']  
values = [5, 3, 7, 4, 6]  

# 绘制条形图  
vis.bar(  
    X=values,  # 各分类的值
    Y=x_labels,  # 这里Y实际上代表X轴的标签，因为Visdom的bar函数参数与matplotlib等库不同
    opts=dict(  
        title='Bar Chart Example',  
        xlabel='Categories',  
        ylabel='Values'  
    ),  
    win='bar_window'  
)

# 可视化36张随机的彩色图片，每一行6张
vis.images(torch.randn(36, 3, 64, 64).numpy(), 
           nrow=6, 
           padding=5,
           win='Random Images', 
           opts={
               'title':'random_imgs', # 图像窗口的标题
               'caption': 'A randomly generated image', # 图像下方的说明文字
           })

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,),(0.5,))
])

dataset = datasets.MNIST('data/' , download=True , train=False , transform=transform)

dataloader = DataLoader(dataset , shuffle=True , batch_size=32)
# 通过迭代器获取样本
images,labels = next(iter(dataloader))

# 可视化MNIST数据集
vis.images(images, 
           nrow=6, 
           padding=5,
           win='MNIST', 
           opts={
               'title':'MNIST', # 图像窗口的标题
               'caption': 'MNIST images', # 图像下方的说明文字
           })

# 要显示的文本内容  
text_content =  """  
<h2>Visdom Text Visualization Example</h2>  
<p>This is an example of a more complex text visualization using HTML in Visdom.</p>  
<ul>  
  <li><b>Bold Text:</b> This text is bold.</li>  
  <li><i>Italic Text:</i> This text is italicized.</li>  
  <li><u>Underlined Text:</u> This text is underlined.</li>  
  <li><s>Strikethrough Text:</s> This text has a strikethrough.</li>  
  <li><a href="https://github.com/facebookresearch/visdom">Visdom GitHub Link</a>: Click here to visit the Visdom repository.</li>  
</ul>  
<p>You can use various HTML tags to format and style your text in Visdom.</p>  
"""  

vis.text(text_content , win='main_text_window')

import matplotlib.pyplot as plt

# 设置中文字体
plt.rcParams['font.sans-serif']=['SimHei']

# 饼图的数据
labels = ['苹果', '香蕉', '樱桃', '芒果', '橘子']
fracs = [15, 30, 45, 10, 5]

# 创建Matplotlib图形：饼图
fig, ax = plt.subplots()
ax.pie(fracs, labels=labels, autopct='%1.1f%%', startangle=90)
ax.axis('equal')

# 使用vis.matplot显示Matplotlib图形
vis.matplot(plt, win='fruit_pie_chart' , opts=dict(title='Pie Chart from Matplotlib'))

# 关闭matplotlib图形，避免在后台显示  
plt.close(fig)

https://pytorch.org/