caffe的python接口绘制loss和accuracy曲线
作者:denny402 时间:2021-06-15 23:54:21
引言
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。
anaconda库
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。
python接口实现
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。
# -*- 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()
最后生成的图表在上图中已经显示出来了。
来源:https://www.cnblogs.com/denny402/p/5686067.html
标签:caffe,python,loss,accuracy,曲线绘制
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python多线程方法详解
2023-10-16 02:46:31
python获取时间及时间格式转换问题实例代码详解
2021-12-20 12:46:20
从错误中学习改正Go语言五个坏习惯提高编程技巧
2023-10-12 20:06:33
python实现的文件夹清理程序分享
2021-07-20 07:58:57
keras打印loss对权重的导数方式
2023-05-17 18:21:11
ASP.NET对路径"xxxxx"的访问被拒绝的解决方法小结
2023-07-07 20:08:41
Python设置默认编码为utf8的方法
2023-09-23 16:08:34
Python list append方法之给列表追加元素
2022-10-23 15:26:25
![](https://img.aspxhome.com/file/2023/2/95162_0s.png)
基于python使用Pillow做动态图在图中生成二维码以及图像处理
2022-12-29 16:33:03
![](https://img.aspxhome.com/file/2023/5/97235_0s.png)
python提取照片坐标信息的实例代码
2023-06-01 16:37:10
Python中的startswith和endswith函数使用实例
2022-06-19 00:47:55
Python使用Selenium实现淘宝抢单的流程分析
2022-01-31 04:04:18
![](https://img.aspxhome.com/file/2023/4/68894_0s.png)
跨浏览器的CSS固定定位{position:fixed}
2007-05-11 16:50:00
网页设计:巧用记事本编辑网页
2008-02-05 09:00:00
asp 防盗链代码(彻底屏蔽迅雷,旋风,快车下载站内资源)
2011-02-26 10:46:00
mysql出现10061错误解决办法
2010-07-04 13:36:00
从一个项目中来看三层架构
2008-08-06 12:50:00
Django处理多用户类型的方法介绍
2022-11-30 10:16:54
![](https://img.aspxhome.com/file/2023/3/85033_0s.png)
Python Flask框架模板操作实例分析
2022-09-21 02:56:23
![](https://img.aspxhome.com/file/2023/0/84060_0s.png)
php 时间计算问题小结
2023-11-03 14:37:06