VisualDL，即 VisualizetheDeepLearning，是飞桨可视化分析工具，以丰富的图表呈现训练参数变化趋势、模型结构、数据样本、高维数据分布等。可帮助用户更清晰直观地理解深度学习模型训练过程及模型结构，进而实现高效的模型优化。
下载安装命令##CPU版本安装命令pipinstall-fhttps://paddlepaddle.org.cn/pip/oschina/cpupaddlepaddle##GPU版本安装命令pipinstall-fhttps://paddlepaddle.org.cn/pip/oschina/gpupaddlepaddle-gpuVisualDL提供丰富的可视化功能，支持标量、图结构、数据样本可视化、直方图、PR曲线及高维数据降维呈现等诸多功能。具体功能使用方式，请参见 VisualDL使用指南。
VisualDL支持的浏览器种类：Chrome（81和83）、Safari13、FireFox（77和78）、Edge（Chromium版）。
VisualDL原生支持python的使用，通过在模型的Python配置中添加几行代码，便可为训练过程提供丰富的可视化支持。
核心亮点
简单易用API设计简洁易懂，使用简单。模型结构一键实现可视化。
功能丰富
功能覆盖标量、数据样本、图结构、直方图、PR曲线及数据降维可视化。
高兼容性全面支持Paddle、ONNX、Caffe等市面主流模型结构可视化，广泛支持各类用户进行可视化分析。
全面支持与飞桨服务平台及工具组件全面打通，为您在飞桨生态系统中提供最佳使用体验。
组件VisualDL 目前提供以下组件：
scalarhistogramimageaudiographhighdimensionalPRCurve
scalar以图表形式实时展示训练过程参数，如loss、accuracy。让用户通过观察单组或多组训练参数变化，了解训练过程，加速模型调优。具有两大特点：
动态展示
在启动VisualDLBoard后，LogReader将不断增量的读取日志中数据并供前端调用展示，因此能够在训练中同步观测指标变化，如下图：
多实验对比
只需在启动VisualDLBoard的时将每个实验日志所在路径同时传入即可，每个实验中相同tag的指标将绘制在一张图中同步呈现，如下图：
Image实时展示训练过程中的图像数据，用于观察不同训练阶段的图像变化，进而深入了解训练过程及效果。
Audio实时查看训练过程中的音频数据，监控语音识别与合成等任务的训练过程。
Graph
一键可视化模型的网络结构。可查看模型属性、节点信息、节点输入输出等，并支持节点搜索，辅助用户快速分析模型结构与了解数据流向。
Histogram
以直方图形式展示Tensor（weight、bias、gradient等）数据在训练过程中的变化趋势。深入了解模型各层效果，帮助开发者精准调整模型结构。
Offset模式Overlay模式PRCurve
精度-召回率曲线，帮助开发者权衡模型精度和召回率之间的平衡，设定最佳阈值。
HighDimensional
将高维数据进行降维展示，目前支持T-SNE、PCA两种降维方式，用于深入分析高维数据间的关系，方便用户根据数据特征进行算法优化。
评论