pytorch visdom可视化工具学习—1—详细使用-3-Generic Plots和Others
4)Generic Plots
注意,服务器API遵循数据和布局对象的规则,这样您就可以生成自己的任意Plotly可视化:
# Arbitrary visdom content trace = dict(x=[1, 2, 3], y=[4, 5, 6], mode="markers+lines", type='custom',marker={'color': 'red', 'symbol': 104, 'size': "10"},text=["one", "two", "three"], name='1st Trace') layout = dict(title="First Plot", xaxis={'title': 'x1'},yaxis={'title': 'x2'})viz._send({'data': [trace], 'layout': layout, 'win': 'mywin'})
图示:
5)Others
vis.close
: 通过id关闭窗口vis.delete_env
: 通过env_id删除环境vis.win_exists
: 通过id检查窗口是否已经存在vis.get_env_list
: 获取服务器上所有环境的列表vis.win_hash
: 获取窗口内容的md5散列vis.get_window_data
: 获取窗口的当前数据vis.check_connection
: 检查服务器是否连接vis.replay_log
: 重播所提供的日志文件中的操作
1》 vis.replay_log
2》vis.delete_env
此函数完全删除指定的env。它接受env id :eid作为输入。
注意:delete_env删除一个环境的所有数据,并且是不可逆的。除非绝对想要删除环境,否则不要使用。
一开始有三个环境,打算将test环境删除
调用:
viz.delete_env('test')
返回:
''
然后就可以看见test环境不见了:
3》vis.win_exists
此函数返回一个bool,指示服务器上是否已经存在窗口win。如果出现错误,则返回None。
可选参数:
- env:在Environment中搜索窗口。默认是没有的。
win = viz.scatter(X=np.random.rand(255, 2),opts=dict(markersize=10, markercolor=np.random.randint(0, 255, (255, 3,)), ), ) #断言该窗口是否存在 assert viz.win_exists(win), 'Created window marked as not existing' # 添加新的追踪到散点图中 viz.scatter( X=np.random.rand(255), Y=np.random.rand(255), win=win, name='new_trace', update='new' )
图示:
4》vis.get_env_list
此函数返回调用时服务器上所有环境的列表。它不需要任何参数。
调用:
viz.get_env_list()
返回:
['main', 'default', '']
5》vis.win_hash
如果存在于服务器上,此函数将返回win窗口内容的md5散列。否则返回None。
可选参数:
- env:在Environment中搜索窗口。默认是没有的。
viz.win_hash('default')
什么都没有返回
正确的使用方式是:
win = viz.scatter(X=np.random.rand(255, 2),opts=dict(markersize=10,markercolor=np.random.randint(0, 255, (255, 3,)),), ) viz.win_hash(win)
返回:
'b144c351f2f68f59d8b0dc5f28688b63'
6》vis.get_window_data
viz.get_window_data('default')
返回:
''
正确的使用方式是:
win = viz.scatter(X=np.random.rand(255, 2),opts=dict(markersize=10,markercolor=np.random.randint(0, 255, (255, 3,)),), ) viz.get_window_data(win)
返回:
'{"command": "window", "id": "window_3739ceea81b772", "title": "", "inflate": true, "width": null, "height": null, "contentID": "3739ceea81b79c", "content": {"data": [{"x": [0.04551835890074274, 0.9772260473924358, 0.9009148817295527, 0.539562493921608, 0.24118526960032582, 0.46977995598941924, 0.060850500332354174, 0.7347072292427027, 0.5412919280211997, 0.09581282770005128, 0.810341818084029, 0.41717700845083594, 0.1368515602012041 ... 6], "name": "1", "type": "scatter", "mode": "markers", "textposition": "right", "line": {}, "marker": {"size": 10, "symbol": "dot", "color": ["#ebbb47", "#1818ad", "#7bd242", "#333f7d", "#f2f7c4", "#f7c7c0", "#c2025f", "#ac2ca9", ... "#bbc91d", "#156b58", "#315d0d", "#96c8e2", "#1c1291", "#3def07", "#5adcbc", "#f1baec", "#a67050", "#373313", "#025bd9"], "line": {"color": "#000000", "width": 0.5}}}], "layout": {"showlegend": false, "margin": {"l": 60, "r": 60, "t": 60, "b": 60}}}, "type": "plot", "i": 15}'
7》vis.check_connection
举例:
viz = Visdom(port=DEFAULT_PORT, server=DEFAULT_HOSTNAME)assert viz.check_connection(timeout_seconds=3), \'No connection could be formed quickly' textwindow = viz.text('Hello World!') #生成一个窗口,里面带文本Hello World! #生成另一个窗口,里面带文本Hello World! More text should be here updatetextwindow = viz.text('Hello World! More text should be here') #断言查看updatetextwindow窗口对象是否存在 assert updatetextwindow is not None, 'Window was none' #窗口存在的话,就在该窗口中添加下面的文本,win指定添加到的窗口对象,append指定进行的操作是在元原有的基础上添加 viz.text('And here it is', win=updatetextwindow, append=True)
返回生成的窗口编号:
'window_373974331dca16'
图示:
8》vis.close
这个函数关闭一个特定的窗口。它接受输入窗口id:win和环境id:eid。使用win=None,即不设置win关闭环境中的所有窗口
关闭上面生成的text窗口
# close text window: viz.close(win=textwindow)
返回:
''
图示:
转载于:https://www.cnblogs.com/wanghui-garcia/p/10659860.html
pytorch visdom可视化工具学习—1—详细使用-3-Generic Plots和Others相关推荐
- python简笔画绘制 数据驱动绘图_pytorch visdom可视化工具学习—2—详细使用-2-plotting绘图...
3)plotting绘图 我们已经包装了几种常见的plot类型,以便轻松创建基本的可视化.这些可视化是由Plotly驱动的. Visdom支持下列API.由 Plotly 提供可视化支持. vis.s ...
- Pytorch的可视化工具visdom的基本使用
Pytorch的可视化工具visdom的基本使用 一.简介 Visdom 是 Facebook 专门为Pytorch开发的一款用于创建.组织和共享实时丰富数据的开源可视化工具.支持 Torch 和 N ...
- 基于Pytorch的可视化工具
深度学习网络通常具有很深的层次结构,而且层与层之间通常会有并联.串联等连接方式.当使用PyTorch建立一个深度学习网络并输出文本向读者展示网络的连接方式是非常低效的,所以需要有效的工具将建立的深度学 ...
- 使用Visdom可视化工具初体验
前言 Visdom是Facebook专门为PyTorch开发的一款可视化工具,支持传入的数据类型有NumPy和Tensor. 我们可以用它来做网络训练或者其他数据展示的前端可视化页面. 官方给出的效果 ...
- PyTorch模型量化工具学习
官方教程(英文): https://pytorch.org/docs/stable/quantization.htmlpytorch.org 官方教程(中文): https://pytorch.ap ...
- Oracle数据库和PLSQL可视化工具学习笔记
我曾经看到过这么一句话--"最好的学习方法是自己学到了,然后讲给别人听." 的确,如果只有输入没有输出的学习就像水淋鸭背一样,大脑没有对所学的知识进行归纳整理,不进行系统的刻意练习 ...
- conda虚拟环境安装pytorch+tensorboardX可视化工具
安装要求: pytorch没有tensorflow那样具有tensorboard可视化工具,在pytorch中想要进行可视化可以调用tensorboardX,具体的调用与tensorboard类似,因 ...
- 【菜鸟学习笔记】Pytorch Tensorboard可视化工具的安装与简单使用步骤
进入自己的pytorch环境,并安装任意版本的tensorflow(因为Tensorboard本来是给tensorflow使用的) (base) C:\Users\Lenovo>conda ac ...
- timm——pytorch下的迁移学习模型库·详细使用教程
timm(Pytorch Image Models)项目是一个站在大佬肩上的图像分类模型库,通过timm可以轻松的搭建出各种sota模型(目前内置预训练模型592个,包含densenet系列.effi ...
- visdom可视化工具
1. 安装 pip install visdom 启动 python -m visdom.server 在浏览器输入:http://localhost:8097/,即可启动 有可能遇到一个问题就是:F ...
最新文章
- 谈谈计算机行业的秋招和春招
- MongoDB 索引
- “不厚道”的程序员:年后第一天上班就提辞职?
- 关于.net core http error 502.5 - process failure
- hdu 5568(dp+大数模拟)
- 透明地持久保存并从数据库中检索加密的数据
- 《深度学习导论及案例分析》一2.5概率有向图模型
- 前端对接海康威视监控
- C语言栈括号匹配算法
- CCS 5.5以上版本添加软件仿真(Simulation)功能,并通过两个demo(软件仿真实例)验证
- 小西笔划输入法 一款可以让你像打五笔那样打笔划输入法的
- 杭州电子科技大学计算机网络考研,2017杭州电子科技大学计算机网络考研大纲...
- 整数集合划分且满足|n1-n2|最小且|S1-S2|最大
- 论文笔记Doubly Stochastic Variational Inference for Deep Gaussian Processes深度高斯过程的双重随机变分推理
- 今天我进了沼泽,总有一天我要走出来!
- Android开发效率提升利器-ButterKnife最全使用详解及ButterKnife插件的使用
- 实例6,stc8a8k单片机开发板4脚的OLED显示数据(I2C通信)
- Android 仿微信群聊头像
- 奥利给,redis项目中初体验
- python获取路由器信息_python 3.5实现检测路由器流量并写入txt的方法实例