PyTorch在CentOS上的可视化工具怎么用-CentOS-PHP中文网

PyTorch在CentOS上的可视化工具怎么用

畫卷琴夢

发布： 2025-05-01 08:00:30

原创

869人浏览过

centos系统下pytorch可视化工具指南

本文介绍几种在CentOS系统上使用PyTorch进行模型可视化的工具，包括hiddenlayer、pytorchviz和TensorBoard（包含tensorboardX）。

一、hiddenlayer：神经网络结构可视化

hiddenlayer库专注于神经网络结构的可视化。

安装:

pip install hiddenlayer

登录后复制

使用方法示例: 以下代码展示如何可视化一个简单的卷积神经网络：

import hiddenlayer as h
import torch
import torch.nn as nn

class ConvNet(nn.Module): # 类名修改为更符合规范的驼峰命名法
    def __init__(self):
        super(ConvNet, self).__init__()
        self.conv1 = nn.Sequential(
            nn.Conv2d(1, 16, 3, 1, 1),
            nn.ReLU(),
            nn.AvgPool2d(2, 2)
        )
        self.conv2 = nn.Sequential(
            nn.Conv2d(16, 32, 3, 1, 1),
            nn.ReLU(),
            nn.MaxPool2d(2, 2)
        )
        self.fc = nn.Sequential(
            nn.Linear(32 * 7 * 7, 128),
            nn.ReLU(),
            nn.Linear(128, 64),
            nn.ReLU()
        )
        self.out = nn.Linear(64, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = x.view(x.size(0), -1)
        x = self.fc(x)
        output = self.out(x)
        return output

model = ConvNet() # 使用更具描述性的变量名
vis_graph = h.build_graph(model, torch.zeros([1, 1, 28, 28]))
vis_graph.theme = h.graph.themes["blue"].copy()
vis_graph.save("./demo1.png")

登录后复制

二、pytorchviz：基于graphviz的神经网络可视化

pytorchviz利用graphviz库，可视化网络结构和计算图。

安装:

pip install torchviz

登录后复制

使用方法示例:

import torch
from torchviz import make_dot
import torch.nn as nn

class ConvNet(nn.Module): # 类名修改为更符合规范的驼峰命名法
    def __init__(self):
        super(ConvNet, self).__init__()
        self.conv1 = nn.Sequential(
            nn.Conv2d(1, 16, 3, 1, 1),
            nn.ReLU(),
            nn.AvgPool2d(2, 2)
        )
        self.conv2 = nn.Sequential(
            nn.Conv2d(16, 32, 3, 1, 1),
            nn.ReLU(),
            nn.MaxPool2d(2, 2)
        )
        self.fc = nn.Sequential(
            nn.Linear(32 * 7 * 7, 128),
            nn.ReLU(),
            nn.Linear(128, 64),
            nn.ReLU()
        )
        self.out = nn.Linear(64, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = x.view(x.size(0), -1)
        x = self.fc(x)
        output = self.out(x)
        return output

model = ConvNet()
input_tensor = torch.randn(1, 3, 224, 224)
dot = make_dot(model(input_tensor), params=dict(model.named_parameters()))
dot.render("model", format="pdf")

登录后复制

三、TensorBoard：训练过程可视化 (包含tensorboardX)

TensorBoard是一个强大的可视化工具，tensorboardX是其PyTorch版本。

安装:

pip install tensorboard torchvision  # torchvision 可选，取决于你的数据

登录后复制

使用方法示例 (使用torch.utils.tensorboard):

from torch.utils.tensorboard import SummaryWriter
import torch

writer = SummaryWriter()

num_epochs = 10 # 添加epochs数量
for epoch in range(num_epochs):
    # 训练代码 (此处省略)
    loss = 0.5 # 替换为实际的loss值
    accuracy = 0.8 # 替换为实际的accuracy值
    writer.add_scalar('Loss/train', loss, epoch)
    writer.add_scalar('Accuracy/train', accuracy, epoch)
writer.close()

登录后复制