常用和不常用的可视化工具
netdata
netdata 是一个用于服务器性能监控的开源工具，最大的特点就是酷炫和实时，当然安装也很方便。
我不是搞运维开发的，平时也不怎么用，就是偶尔打开服务器的监控页面赏心悦目一波。
LXDUI
lxdui 是一个用于 Linux 容器技术 LXD/LXC 管理的 Web UI 工具。平时可以用来对容器进行管理，比如创建、克隆、移动、快照等等，还可以提供了容器信息查看、网络设置、快照管理、文件管理等功能，是挺方便的。
Tips：使用 LXD 建议写个脚本进行每周、每天和每时的快照备份。
TensorBoard 和 tensorboardX
TensorBoard 是 TensorFlow 配套的可视化工具，用于 TensorFlow 程序的理解、调试和优化，可以可视化许多深度学习训练过程中的变量，支持的可视化元素包括 scalar、image、audio、text、histogram 等。
tensorboardX 可以看成是支持 PyTorch 的 TensorBoard，通过 tensorboardX 的 API，PyTorch 程序也可以将 scalar、Image、figure、histogram、audio、text、graph 等等元素通过 summary 的形式保存为文件，并通过 Tensorboard 打开进行查看。效果几乎是等同的。
日常用 PyTorch 搭配 tensorboardX 还是挺好使的。
Visdom
Visdom 是 FacebookResearch 出的一个轻量和灵活的实时可视化工具，支持 torch 和 numpy。
Visdom 支持 plotting（各种形式的数据图）、images、text 的可视化。
Visdom 我用过一两次，在别人的代码里也见过几次，就我的体验而言，Visdom 的优点是：
- 灵活：就跟 MATLAB 的 plot 窗口和 OpenCV 的 imshow 窗口一样，命名一个 window，在 window 里实时显示信息即可。
- 实时性：实际上 visdom 应该就是实时显示数据，而 tensorboard 是通过读取写入文件来显示的，所以，visdom 的实时性很高，而 tensorboard 则是由刷新间隔的。
- 支持的 plot 样式多：看 git repo 介绍，支持了好多诸如散点图（scatter）、line（线图）、heatmap（热度图）等好多样式的 plot 形式，这个很不错的，就等于有了 MATLAB 的可视化效果了。
但我不想用 visdom 的原因如下：
- 界面的每个窗口可以通过拖动来排布，但是排版很难调整，真的太难了，逼死强迫症。
- 虽然 visdom 支持了很多 plotting 样式，但是都是需要手动根据数据绘制的，很多情况下，我只是想看 loss 的曲线，tensorboard 可以通过追加每次 loss 的方式来实现，而 visdom 则要通过记录 loss 历史，并绘制成曲线，才能通过像显示图像一样的形式显示曲线。有那么一丢丢的不优雅，可能是因为我懒，其实如果定义模板的话，绘图也不算难，归根到底还是上面那条窗口排布让我望而生畏。
Omniboard
我想想还有什么，还有就是上一篇讲的 Sacred + Omniboard 了。Sacred 深度学习实验管理工具。
Sacred 用起来也没那么麻烦的：
- 要是从头写训练的框架么，就更好了，按照 Sacred 的逻辑，注意一下 API 就好。
- 要是拿已有的框架来训练测试么，自己就重新定义一个程序入口，把参数用 sacred 记录一下，再重新跑到原来的程序入口上去，也就能够实现实验记录的效果了。
Ending
可视化工具就这么多了，平时跑服务器的话，调试代码就两个工具，也挺好使的：
- Jupyter Notebook
- Pycharm + SSH
唉，工具折腾了一大堆，挺开心的，论文笔记就是不高兴老老实实写，懒啊，愁啊。