温馨提示×

PyTorch在Ubuntu上的可视化工具推荐

小樊
43
2025-08-03 18:24:07
栏目: 智能运维

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.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