Visual DL工具

介绍

VisualDL是一个面向深度学习任务设计的可视化工具，包含了scalar、参数分布、模型结构、图像可视化等功能，项目正处于高速迭代中，新的组件会不断加入。

目前大多数DNN平台均使用Python作为配置语言，VisualDL原生支持python的使用，通过在模型的Python配置中添加几行，便可以为训练过程提供丰富的可视化支持。

除了Python SDK之外，VisualDL底层采用C++编写，其暴露的C++ SDK也可以集成到其他平台中，实现原生的性能和定制效果。

组件

VisualDL 目前支持以下组件：

• scalar
• histogram
• image
• audio
• graph
• high dimensional

Scalar

可以用于展示训练测试的误差趋势

Histogram

用于可视化任何tensor中元素分布的变化趋势

Image

可以用于可视化任何tensor，或模型生成的图片

Audio

可用于播放输入或生成的音频样本

Graph

VisualDL的graph支持paddle program的展示，同时兼容 ONNX(Open Neural Network Exchange)[https://github.com/onnx/onnx]，通过与 python SDK的结合，VisualDL可以兼容包括 PaddlePaddle, pytorch, mxnet在内的大部分主流DNN平台。

要进行paddle模型的展示，需要进行以下两步操作：

• 在paddle代码中，调用fluid.io.save_inference_model()接口保存模型
• 在命令行界面，使用visualdl —model_pb [paddle_model_dir] 加载paddle模型

High Dimensional

用高维度数据映射在2D/3D来可视化嵌入

快速尝试

请使用下面的命令，来快速测试 VisualDL。

# 安装，建議是在虚拟环境或anaconda下。
pip install --upgrade visualdl
 
# 运行一个例子，vdl_create_scratch_log 将创建测试日志
vdl_create_scratch_log
visualdl --logdir=scratch_log --port=8080
 
# 访问 http://127.0.0.1:8080

如果出现TypeError: init() got an unexpected keyword argument 'file', 是因为protobuf不是3.5以上，运行pip install —upgrade protobuf就能解决。

如果以上步骤还有出现其他问题，很可能是因为python或pip不同版本或不同位置所致，以下安装方法能解决。

使用 virtualenv 安装

Virtualenv 能创建独立Python环境，也能确保Python和pip的相对位置正确。

在macOS上，安装pip和virtualenv如下：

sudo easy_install pip
pip install --upgrade virtualenv

在Linux上，安装pip和virtualenv如下:

sudo apt-get install python3-pip python3-dev python-virtualenv

然后创建一个虚拟环境：

virtualenv ~/vdl  # for Python2.7
virtualenv -p python3 ~/vdl for Python 3.x

~/vdl 是你的Virtualenv目录, 你也可以选择任一目录。

激活虚拟环境如下：

source ~/vdl/bin/activate

现在再安装 VisualDL 和运行范例：

pip install --upgrade visualdl
 
# 运行一个例子，vdl_create_scratch_log 将创建测试日志
vdl_create_scratch_log
visualdl --logdir=scratch_log --port=8080
 
# 访问 http://127.0.0.1:8080

如果在虚拟环境下仍然遇到安装问题，请尝试以下方法。

使用 Anaconda 安装

Anaconda是一个用于科学计算的Python发行版，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

请根据Anaconda下载网站 的指示去下载和安装Anaconda.下载Python 3.6版本的command-Line installer.

创建conda环境名字为vdl或任何名字:

conda create -n vdl pip python=2.7 # or python=3.3, etc.

激活conda环境如下:

source activate vdl

现在再安装 VisualDL 和运行范例：

pip install --upgrade visualdl
 
# 运行一个例子，vdl_create_scratch_log 将创建测试日志
vdl_create_scratch_log
visualdl --logdir=scratch_log --port=8080
 
# 访问 http://127.0.0.1:8080

如果仍然遇到安装问题，请尝试以下用源代码安装方法。

使用代码安装

#建議是在虚拟环境或anaconda下。
git clone https://github.com/PaddlePaddle/VisualDL.git
cd VisualDL
 
python setup.py bdist_wheel
pip install --upgrade dist/visualdl-*.whl

如果打包和安装遇到其他问题，不安装只想运行Visual DL可以看这里

SDK

VisualDL 同时提供了python SDK 和 C++ SDK 来实现不同方式的使用。

Python SDK

VisualDL 现在支持 Python 2和 Python 3。

以最简单的Scalar组件为例，尝试创建一个scalar组件并插入多个时间步的数据：

import random
from visualdl import LogWriter
 
logdir = "./tmp"
logger = LogWriter(logdir, sync_cycle=10000)
 
# mark the components with 'train' label.
with logger.mode("train"):
    # create a scalar component called 'scalars/scalar0'
    scalar0 = logger.scalar("scalars/scalar0")
 
# add some records during DL model running.
for step in range(100):
    scalar0.add_record(step, random.random())

C++ SDK

上面 Python SDK 中代码完全一致的C++ SDK用法如下

#include <cstdlib>
#include <string>
#include "visualdl/sdk.h"
 
namespace vs = visualdl;
namespace cp = visualdl::components;
 
int main() {
  const std::string dir = "./tmp";
  vs::LogWriter logger(dir, 10000);
 
  logger.SetMode("train");
  auto tablet = logger.AddTablet("scalars/scalar0");
 
  cp::Scalar<float> scalar0(tablet);
 
  for (int step = 0; step < 1000; step++) {
    float v = (float)std::rand() / RAND_MAX;
    scalar0.AddRecord(step, v);
  }
 
  return 0;
}

启动Board

当训练过程中已经产生了日志数据，就可以启动board进行实时预览可视化信息

visualdl --logdir <some log dir>

board 还支持一下参数来实现远程的访问：

• —host 设定IP
• —port 设定端口
• -m / —model_pb 指定 ONNX 格式的模型文件

贡献

VisualDL 是由 PaddlePaddle 和ECharts 合作推出的开源项目。我们欢迎所有人使用，提意见以及贡献代码。

更多细节

想了解更多关于VisualDL的使用介绍，请查看文档