# ts-vis
**Repository Path**: FreeCode/ts-vis
## Basic Information
- **Project Name**: ts-vis
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 4
- **Created**: 2022-04-29
- **Last Updated**: 2022-04-29
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
.svg)
TS-VIS（天枢Vis）是[天枢人工智能开源开放平台](https://gitee.com/zhijiangtianshu/Dubhe)的可视化组件，支持Tensorflow、Pytorch、Oneflow等主流深度学习框架的可视化功能。
**[文档: https://feyily.github.io/tsvis-document/](https://feyily.github.io/tsvis-document/)**
## 亮点
* 框架无关，支持TensorFlow、PyTorch、OneFlow等主流深度学习框架可视化
* 超快的响应速度
* 支持大规模的可视化
* 支持训练过程实时可视化
* 支持降维分析样本可视化
* 支持神经网络异常可视化
## 支持功能
- 模型结构可视化：可视化网络结构，包括计算图和结构图
- 标量数据可视化：可视化包括神经网络`accuary`和`loss`等的标量数据
- 媒体数据可视化：可视化包括图像、文字、音频在内的媒体数据
- 统计分析可视化：可视化神经网络中权重、偏置等的分布
- 降维分析可视化：通过降维算法，可视化任意高维数据
- 超参分析可视化：可视化不同超参数下的神经网络指标
- 异常检测可视化：将神经网络张量数据映射到二维，可视化张量数据统计信息
- 用户定制可视化：可以将所有功能移动到该模块进行可视化
## 安装
我们提供了两种安装方式：pip安装和源码安装，不管通过那种方式安装，都需要确保你的Python版本为3.6以上，如果不满足请先升级Python
### 使用pip安装
```
pip install tsvis
```
### 从源码安装
TS-VIS采用前后端分离的架构，所以从源码安装需要分别编译前端、后端
- **从源码编译前端：**
首先安装依赖
```
npm install
```
使用命令打包前端生成静态文件
```
npm run build
```
- 从源码编译后端
从源码安装后端需要先将前端编译生成的静态文件移动到`tsvis/server/frontend`文件夹下
然后安装Python依赖包`setuptools`
```
pip install setuptools
```
执行`setup.py`文件安装TS-VIS到Python环境
```
python setup.py install
```
### 运行
安装完成之后，可以通过下面的命令查看当前安装版本号，若安装成功，则会输出版本信息到控制台
```
tsvis -v
```
若TS-VIS已正确安装，则可以通过运行可视化后端
```
tsvis --logdir path/to/logdir/
```
默认情况下，可视化服务会启动在`http://127.0.0.1:9898`，打开浏览器访问即可查看可视化内容