精华内容
下载资源
问答
  • 绘制Loss曲线 b站课程链接:https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 import绘制曲线的库和numpy库 import numpy as np import matplotlib.pyplot as plt # 画图库 设置数据 x_data = [1.0, 2.0, 3.0] y_...
  • 今天小编就为大家分享一篇TensorFlow绘制loss/accuracy曲线的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • caffe 绘制loss

    2020-08-14 09:43:29
    caffe自带的绘制loss的工具 /mycaffe/tools/extra/plot_training_log.py.example去掉后缀可使用 使用说明: Usage: ./plot_training_log.py chart_type[0-7] /where/to/save.png /path/to/first.log ... Notes: ...

    使用下面的工具得到统计结果

     python parse_log.py lenetmnist.log /home(保存路径)

    可以得到 lenetmnist.log.test

    lenetmnist.log.train

    lenetmnist.log.test内容如下

    NumIters,Seconds,LearningRate,accuracy,loss
    0.0,1.282026,0.00971013,0.1681,2.33668
    500.0,12.791421,0.00971013,0.9713,0.087208
    1000.0,24.299787,0.00937411,0.9808,0.0592562
    1500.0,35.828347,0.00906403,0.9839,0.0476916
    2000.0,47.347622,0.00877687,0.9855,0.0430367
    2500.0,58.859498,0.00851008,0.9851,0.0448554
    3000.0,70.374477,0.00826148,0.9862,0.0402984
    3500.0,81.889047,0.00802918,0.9852,0.0434522
    4000.0,93.404652,0.00781158,0.9891,0.0295672
    4500.0,104.927278,0.00760726,0.989,0.0339895
    5000.0,116.449834,0.00741498,0.9896,0.0311405
    5500.0,127.969144,0.00723368,0.9899,0.0326071
    6000.0,139.50722,0.0070624,0.9904,0.0285385
    6500.0,151.024646,0.00690029,0.9902,0.0300033
    7000.0,162.542588,0.0067466,0.99,0.0280574
    7500.0,174.054227,0.00660067,0.9901,0.0311655
    8000.0,185.567031,0.0064619,0.9906,0.0292851
    8500.0,197.087733,0.00632975,0.9904,0.0289965
    9000.0,208.599484,0.00620374,0.9909,0.0286025
    9500.0,220.122434,0.00608343,0.9895,0.0347945
    10000.0,231.667922,0.00596843,0.991,0.0271223

    -------------------------------------------------------------

    以下方法楼主不推荐,由于caffe程序中自带的py这里load的程序部分有问题。。。

    caffe自带的绘制loss的工具  /mycaffe/tools/extra/plot_training_log.py.example去掉后缀可使用

    使用说明:

    Usage:
        ./plot_training_log.py chart_type[0-7] /where/to/save.png /path/to/first.log ...
    Notes:
        1. Supporting multiple logs.
        2. Log file name must end with the lower-cased ".log".
    Supported chart types:不同的数字表示的含义
        0: Test accuracy  vs. Iters
        1: Test accuracy  vs. Seconds
        2: Test loss  vs. Iters
        3: Test loss  vs. Seconds
        4: Train learning rate  vs. Iters
        5: Train learning rate  vs. Seconds
        6: Train loss  vs. Iters
        7: Train loss  vs. Seconds
     

     

     

    展开全文
  • Caffe—根据log日志绘制loss曲线和accuracy;具体操作可以参考博客:https://blog.csdn.net/tanghong1996/article/details/81636398
  • caffe工具 绘制 loss accuracy曲线

    深度学习中loss和accuracy是十分重要的数据 …balabala
    这篇博主根据http://blog.csdn.net/u013078356/article/details/51154847进行实测后记录下的

    1 得到caffe训练的log日志文件

    1.1

    使用的是shell命令,如果你是windows还是先下一个Git(链接就在这)
    GLOG_logtostderr=0 GLOG_log_dir=your_log_path/log/  \
    your_caffe_path/caffe.exe train \
    --solver=your_solver_path/solver.prototxt
    
    read -n 1
    
    ‘your_log_path/log/’是你存放日志文件的文件夹路径

    1.2

    运行sh后在your_log_path/log路径下会有一个形如
    caffe.exe.你的计算机名.你的用户名.log.INFO.时间.几位数字 的文件
    你需要更改文件格式 把它重命名为 ******.log文件格式为log的文件

    2 生成TRAIN、TEST文件

    2.1

    在你的caffe路径下\tools\extra中有
    parse_log.py
    plot_training_log.py.example
    extract_seconds.py
    将它们复制到你的日志文件夹下,
    并且重命名 plot_training_log.py.example为 plot_training_log.py

    2.2

    在cmd下切换目录至log文件夹下运行

    python parse_log.py  ******.log

    将会在log文件夹下生成 ******.log.train和******.log.test文件
    你可以用文本编辑器把它们打开
    第一行会有键值类似这样 #Iters Seconds TestAccuracy TestLoss
    下面是键值对应的参数
    后面我们会用到键值顺序来修改plot_training_test.py文件

    3 绘制loss accuracy曲线

    3.1

    用文本编辑器打开plot_training_log.py文件
    找到create_field_index函数
    按照train、test文件给出的键值顺序调整train_key、test_key
    比如
    我的train文件第一行:#Iters Seconds TrainingLoss LearningRate
    我的test文件迪一行:#Iters Seconds TestAccuracy TestLoss
    做出的调整如下:

    def create_field_index():
        train_key = 'Train'
        test_key = 'Test'
        field_index = {train_key:{'Iters':0, 'Seconds':1, train_key + ' Loss':2,
                                  train_key + ' Accuracy':3},
                       test_key:{'Iters':0, 'Seconds':1, test_key + ' Accuracy':2,
                                 test_key + ' Loss':3}}
        fields = set()
        for data_file_type in field_index.keys():
            fields = fields.union(set(field_index[data_file_type].keys()))
        fields = list(fields)
        fields.sort()
        return field_index, fields

    3.2

    我们先看一下plot_training_log.py的参数
    在cmd下切换目录至log文件夹下运行

    python plot_training_log.py

    可以得到:

    ./plot_training_log.py chart_type[0-7] /where/to/save.png /path/to/first.log ...
    Notes:
        1. Supporting multiple logs.
        2. Log file name must end with the lower-cased ".log".
    Supported chart types:
        0: Test Accuracy  vs. Iters
        1: Test Accuracy  vs. Seconds
        2: Test Loss  vs. Iters
        3: Test Loss  vs. Seconds
        4: Train Accuracy  vs. Iters
        5: Train Accuracy  vs. Seconds
        6: Train Loss  vs. Iters
        7: Train Loss  vs. Seconds

    在cmd下切换目录至log文件夹下运行

    python plot_training_log.py 0 ***.png *******.log

    args说明:
    0代表曲线类型,可以对照Supported chart types【由于前面整改过create_field_index函数,所以数字对应类型可能不同,请自行查看,根据你需要的曲线类型改变数字参数】
    ***.png曲线图文件名
    ******.log日志文件

    展开全文
  • spyder绘制loss曲线

    千次阅读 2017-05-26 10:30:26
    caffe的python接口学习(7):绘制loss和accuracy曲线 转自:http://www.cnblogs.com/denny402/p/5686067.html 使用python接口来运行caffe程序,主要的原因是python非常容易可视化。所以不推荐大家在命令行下面...

    caffe的python接口学习(7):绘制loss和accuracy曲线

    转自:http://www.cnblogs.com/denny402/p/5686067.html

    使用python接口来运行caffe程序,主要的原因是python非常容易可视化。所以不推荐大家在命令行下面运行python程序。如果非要在命令行下面运行,还不如直接用 c++算了。

    推荐使用jupyter notebook,spyder等工具来运行python代码,这样才和它的可视化完美结合起来。

    因为我是用anaconda来安装一系列python第三方库的,所以我使用的是spyder,与matlab界面类似的一款编辑器,在运行过程中,可以查看各变量的值,便于理解,如下图:

    只要安装了anaconda,运行方式也非常方便,直接在终端输入spyder命令就可以了。

    在caffe的训练过程中,我们如果想知道某个阶段的loss值和accuracy值,并用图表画出来,用python接口就对了。

    复制代码
    # -*- coding: utf-8 -*-
    """
    Created on Tue Jul 19 16:22:22 2016
    
    @author: root
    """
    
    import matplotlib.pyplot as plt  
    import caffe   
    caffe.set_device(0)  
    caffe.set_mode_gpu()   
    # 使用SGDSolver,即随机梯度下降算法  
    solver = caffe.SGDSolver('/home/xxx/mnist/solver.prototxt')  
      
    # 等价于solver文件中的max_iter,即最大解算次数  
    niter = 9380  
    # 每隔100次收集一次数据  
    display= 100  
      
    # 每次测试进行100次解算,10000/100  
    test_iter = 100  
    # 每500次训练进行一次测试(100次解算),60000/64  
    test_interval =938  
      
    #初始化 
    train_loss = zeros(ceil(niter * 1.0 / display))   
    test_loss = zeros(ceil(niter * 1.0 / test_interval))  
    test_acc = zeros(ceil(niter * 1.0 / test_interval))  
      
    # iteration 0,不计入  
    solver.step(1)  
      
    # 辅助变量  
    _train_loss = 0; _test_loss = 0; _accuracy = 0  
    # 进行解算  
    for it in range(niter):  
        # 进行一次解算  
        solver.step(1)  
        # 每迭代一次,训练batch_size张图片  
        _train_loss += solver.net.blobs['SoftmaxWithLoss1'].data  
        if it % display == 0:  
            # 计算平均train loss  
            train_loss[it // display] = _train_loss / display  
            _train_loss = 0  
      
        if it % test_interval == 0:  
            for test_it in range(test_iter):  
                # 进行一次测试  
                solver.test_nets[0].forward()  
                # 计算test loss  
                _test_loss += solver.test_nets[0].blobs['SoftmaxWithLoss1'].data  
                # 计算test accuracy  
                _accuracy += solver.test_nets[0].blobs['Accuracy1'].data  
            # 计算平均test loss  
            test_loss[it / test_interval] = _test_loss / test_iter  
            # 计算平均test accuracy  
            test_acc[it / test_interval] = _accuracy / test_iter  
            _test_loss = 0  
            _accuracy = 0  
      
    # 绘制train loss、test loss和accuracy曲线  
    print '\nplot the train loss and test accuracy\n'  
    _, ax1 = plt.subplots()  
    ax2 = ax1.twinx()  
      
    # train loss -> 绿色  
    ax1.plot(display * arange(len(train_loss)), train_loss, 'g')  
    # test loss -> 黄色  
    ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')  
    # test accuracy -> 红色  
    ax2.plot(test_interval * arange(len(test_acc)), test_acc, 'r')  
      
    ax1.set_xlabel('iteration')  
    ax1.set_ylabel('loss')  
    ax2.set_ylabel('accuracy')  
    plt.show()  
            
    复制代码

    最后生成的图表在上图中已经显示出来了。

    展开全文
  • 适合需要绘制loss的同志们
  • keras绘制loss函数 import matplotlib.pyplot as plt history=model.fit(train_x, train_y,batch_size=2,epochs=EPOCHS) plt.plot(history.history['loss']) plt.show()

    keras绘制loss函数

    import matplotlib.pyplot as plt
    history=model.fit(train_x, train_y,batch_size=2,epochs=EPOCHS)
    plt.plot(history.history['loss'])
    plt.show()
    
    展开全文
  • YOLOV3 绘制loss等曲线

    2020-12-09 16:39:51
    YOLOV3 绘制loss等曲线 正解 链接: 没错就是这里,点他. 遇到的问题 PANDAS: 应该是博主的python太早了 解决方案: (我的python是时候要更新一下了) PYTHONS-TK 解决方案: 记录一下
  • 使用TensorBoard绘制loss曲线图

    千次阅读 2019-12-24 16:45:31
    使用TensorBoard绘制loss曲线图详细过程 前言:首先确保机子上安装了TensorBoard包(命令行模式下可使用pip list查看) 1、然后在cmd窗口中或者Anaconda Prompt窗口中使用cd 进入TensorBoard包所在的文件夹下。 ---...
  • Pytorch练习--绘制Loss曲线

    千次阅读 2020-04-09 21:08:10
    绘制Loss曲线 b站课程链接:https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 import绘制曲线的库和numpy库 import numpy as np import matplotlib.pyplot as plt # 画图库 设置数据 x_data = [1.0, 2.0, ...
  • fater-rcnn绘制loss

    2018-06-13 10:59:22
    py-fater-rcnn根据生成的log文件绘制loss图。一般输出是下图中的第一幅图(对应位置为2,5,1),但本身并没有多大的意义,只有将其平均之后如(对应位置为2,5,6),才能看出loss是否还在下降。# -*- coding: utf-8 -*- ...
  • caffe入门学习(6):绘制loss曲线

    千次阅读 2017-12-19 18:04:09
    windows下绘制loss曲线
  • 模型调参:绘制loss曲线图

    万次阅读 2017-12-01 21:29:06
    模型调参:绘制loss曲线图
  • Caffe---Pycaffe 绘制loss和accuracy曲线  《Caffe自带工具包---绘制loss和accuracy曲线》:可以看出使用caffe自带的工具包绘制loss曲线和accuracy曲线十分的方便简单,而这种方法看起来貌似只能分开绘制曲线,...
  • caffe python中绘制loss遇到问题笔记

    千次阅读 2016-10-03 11:26:12
    caffe python中绘制loss遇到问题笔记
  • 绘制loss曲线

    千次阅读 2017-11-20 16:17:50
    从log文件中析取各部分loss值 cat filename | grep smoothed_loss | awk '{print $11}' > ...绘制各个部分曲线的code from pylab import * import pylab as pl values = [] with open('./baseline7/cls_loss.txt') as
  • Caffe-SSD的训练脚本已经完成了日志输出重定向工作,所以在训练时会自动生成相应的日志文件,因此绘制loss,accuracy会曲线稍简单点。训练时训练日志已经以文件形式保存在jobs文件夹下 。 1. 查看日志 进入如下目录...
  • Caffe——绘制loss和accuracy曲线 这里我们在ipython notebook中绘制曲线#加载必要的库 import numpy as np import matplotlib.pyplot as plt %matplotlib inline import sys,os,caffe #设置当前目录 caffe_root = ...
  • 绘制loss曲线   ² 必须先切换到gpu上(ssh gpu107),再使用caffe工具 1. 修改train.sh文件,添加训练日志log,再开始训练,如图所示: LOG_log_dir=后面为log保存的位置 或者不添加训练日志,直接...
  • 【detectron】绘制loss曲线和pr曲线

    千次阅读 2018-11-27 16:16:43
    绘制loss曲线 参见博客:detectron训练日志可视化 绘制p-r曲线 在detectron测试完毕后,会在相应的结果输出文件夹中输出每一类的不同precision对应的recall值,保存在xx_pr.pkl中,例如ship_pr.pkl,绘制p-r的...
  • 由于最近使用caffe训练一个网络,学习了如何使用训练过程中生成的log来绘制loss函数曲线,主要用于观察所训练的网络是否收敛。 前提:安装完caffe后已经对pycaffe和matcaffe编译过了。 接下来从训练过程如何生成...
  • 绘制loss和accuracy曲线_caffe 使用python接口来运行caffe程序,主要的原因是python非常容易可视化。所以不推荐大家在命令行下面运行python程序。如果非要在命令行下面运行,还不如直接用 c++算了。 推荐...
  • 绘制loss和accuracy曲线 首先需要注意:不同版本的caffe训练的log日志不同,一定要用相对应的extra文件夹内的工具来进行解析log文件 首先将extra文件夹拷贝到log文件夹内。 copy plot_training_log.py.example 将...
  • Caffe学习系列: 绘制loss和accuracy曲线

    千次阅读 2016-07-13 10:37:18
    Caffe学习系列: 绘制loss和accuracy曲线
  • Caffe自带工具包---绘制loss和accuracy曲线  为什么要绘制loss和accuracy曲线?在训练过程中画出accuracy 和loss曲线能够更直观的观察网络训练的状态,以便更好的优化网络的训练。本文主要介绍在基于caffe框架训练...
  • 用caffe自带的工具绘制loss和accuracy曲线,网上的说法不一,有的说的不是很详细准确,自己揣摩试验了才知道可行不可行,结合网上大神给的经验,以下亲测有效: 记录训练日志: 以mnist为例(先在examples/mnist下...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 13,654
精华内容 5,461
关键字:

绘制loss