本节介绍一个用于辅助分析、查看loss、accuracy等的重要工具—Visdom可视化工具。
使用过tensorflow的人应该见过tensorflow的可视化工具—tensorboard
用户可以在这上面查看照片、或进行使数据可视化的操作。
而对于pytorch也有类似的功能，即tensorboardX。
安装该工具包也较为简单，在cmd命令里直接输入
pip install tensorboardX
tensorboardX上也具有同tensorboard类似的功能，可以查看图片或进行使数据可视化的操作。
但tensorboardX有一个问题，即它使用的是numpy的数据，转换成tensor数据时还要先转换到cpu上面，较麻烦。
本节课介绍一个可以原生的接收tensor数据的、更节省空间、运行速度更快、交互性更好、更美观的可视化工具—Visdom。
安装Visdom的方法十分简单，直接在cmd上输入pip install visdom即可。
若想调用visdom窗口、开启监听进程需要在cmd上输入 python -m visdom.server即可。
这里相当于开启了web服务器，数据会自动的调向服务器进行监听。因此必须在进行网络结构运行前就确保已经开启了监听服务器。
将下面提供的地址http://localhost:8097输入到任意一个浏览器的地址行中
随后便顺利开启了visdom
下面以具体代码示例visdom如何运行
若想对单线条进行监听
代码语言：javascript复制from visdom import Visdom
viz = Visdom()
# 首先创建一个visdom的实例
viz.line([0.], [0.], win='train_loss', opts = dict(title='train_loss'))
# 先创建并初始化一个直线两个初始点依次为y和x的值，
# 设置窗口和窗口的标题均为：train_loss
viz.line([loss.item()], [global_step])
# 将数据喂给loss，[global_step]代表x的时间戳，
# 更新方式为”添加”多条曲线可以展开对比，以更好的对数据进行分析，而若想创建多条曲线，则代码为
代码语言：javascript复制viz = Visdom()
viz.line([[0.0, 0.0]], [0.], win='test',
opts=dict(title='title loss&acc.', legend=['loss', 'acc']))
# loss和acc分别为y1和y2曲线
viz.line([[test_loss, correct / len(test_loader.dataset)]],
[global_step], win='test', update='append')运行的结果为
这里注意loss的波动范围为[0⁓100]，而acc的波动范围为[0⁓1]，因此该图看上去不美观，在自己的实际应用中，应该注意这些问题。
若想查看图片，则代码为
代码语言：javascript复制from visdom import Visdom
viz = Visdom()
viz.images(data.view(-1, 1, 28, 28), win='x')
# data为mnist数据集
viz.text(str(pred.datach().cpu().numpy()), win='pred', opts=dict(title='pred'))输出为
由此可见，visdom可以较方便的进行各类数据的输出
