PyTorch 可视化教程

PyTorch 的可视化功能可以帮助我们更好地理解和分析模型的行为。以下是一些基本可视化技巧：

• 模型结构可视化：可以使用 torchsummary 库来生成模型的摘要信息。
• 训练过程可视化：通过绘制损失和准确率曲线，可以监控模型的训练进度。
• 权重可视化：可以可视化模型的权重，以了解模型如何学习特征。

模型结构可视化

要可视化模型结构，首先需要安装 torchsummary：

pip install torchsummary

然后，可以使用以下代码：

import torchsummary as summary
import torch.nn as nn

# 定义一个简单的模型
model = nn.Sequential(
    nn.Linear(10, 20),
    nn.ReLU(),
    nn.Linear(20, 5)
)

# 输出模型摘要信息
summary.summary(model, input_size=(1, 10))

训练过程可视化

在训练过程中，记录损失和准确率，并使用 matplotlib 绘制曲线：

import matplotlib.pyplot as plt

# 假设我们有一些训练数据
losses = [0.5, 0.4, 0.3, 0.2, 0.1]
accuracies = [0.8, 0.9, 0.95, 0.98, 1.0]

# 绘制损失曲线
plt.plot(losses, label='Loss')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()

# 绘制准确率曲线
plt.plot(accuracies, label='Accuracy')
plt.xlabel('Epochs')
plt.ylabel('Accuracy')
plt.legend()

# 显示图表
plt.show()

权重可视化

可视化模型权重可以帮助我们理解模型学习到的特征：

import torch
import numpy as np

# 假设我们有一个权重矩阵
weights = torch.randn(5, 5)

# 转换为 numpy 数组
weights_np = weights.numpy()

# 使用 matplotlib 绘制热图
plt.imshow(weights_np, cmap='hot', interpolation='nearest')
plt.colorbar()
plt.show()

更多关于 PyTorch 可视化的信息，请参考我们的PyTorch 可视化高级教程。