VisualDL跨框架深度學習可視化框架

VisualDL，即 Visualize the Deep Learning，是飛槳可視化分析工具，以豐富的圖表呈現訓練參數變化趨勢、模型結構、數據樣本、高維數據分布等?？蓭椭脩舾逦庇^地理解深度學習模型訓練過程及模型結構，進而實現高效的模型優(yōu)化。

下載安裝命令

## CPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

VisualDL提供豐富的可視化功能，支持標量、圖結構、數據樣本可視化、直方圖、PR曲線及高維數據降維呈現等諸多功能。具體功能使用方式，請參見 VisualDL使用指南。

VisualDL 支持的瀏覽器種類：Chrome（81和83）、Safari 13、FireFox（77和78）、Edge（Chromium版）。

VisualDL 原生支持 python 的使用， 通過在模型的Python配置中添加幾行代碼，便可為訓練過程提供豐富的可視化支持。

核心亮點

• 簡單易用

API設計簡潔易懂，使用簡單。模型結構一鍵實現可視化。

• 功能豐富

功能覆蓋標量、數據樣本、圖結構、直方圖、PR曲線及數據降維可視化。

• 高兼容性

全面支持Paddle、ONNX、Caffe等市面主流模型結構可視化，廣泛支持各類用戶進行可視化分析。

• 全面支持

與飛槳服務平臺及工具組件全面打通，為您在飛槳生態(tài)系統中提供最佳使用體驗。

組件

VisualDL 目前提供以下組件：

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

• PR Curve

scalar

以圖表形式實時展示訓練過程參數，如loss、accuracy。讓用戶通過觀察單組或多組訓練參數變化，了解訓練過程，加速模型調優(yōu)。具有兩大特點：

動態(tài)展示

在啟動VisualDL Board后，LogReader將不斷增量的讀取日志中數據并供前端調用展示，因此能夠在訓練中同步觀測指標變化，如下圖：

多實驗對比

只需在啟動VisualDL Board的時將每個實驗日志所在路徑同時傳入即可，每個實驗中相同tag的指標將繪制在一張圖中同步呈現，如下圖：

Image

實時展示訓練過程中的圖像數據，用于觀察不同訓練階段的圖像變化，進而深入了解訓練過程及效果。

Audio

實時查看訓練過程中的音頻數據，監(jiān)控語音識別與合成等任務的訓練過程。

Graph

一鍵可視化模型的網絡結構?？刹榭茨Ｐ蛯傩?、節(jié)點信息、節(jié)點輸入輸出等，并支持節(jié)點搜索，輔助用戶快速分析模型結構與了解數據流向。

Histogram

以直方圖形式展示Tensor（weight、bias、gradient等）數據在訓練過程中的變化趨勢。深入了解模型各層效果，幫助開發(fā)者精準調整模型結構。

• Offset模式

• Overlay 模式

PR Curve

精度-召回率曲線，幫助開發(fā)者權衡模型精度和召回率之間的平衡，設定最佳閾值。

High Dimensional

將高維數據進行降維展示，目前支持T-SNE、PCA兩種降維方式，用于深入分析高維數據間的關系，方便用戶根據數據特征進行算法優(yōu)化。