Python绘制loss曲线和准确率曲线实例代码

作者:WYKB_Mr_Q 时间:2021-05-21 07:15:13 

引言

使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线,这里的主要思想就时先把想要的损失值以及准确率值保存下来,保存到 .txt 文件中,待网络训练结束,我们再拿这存储的数据绘制各种曲线。

其大致步骤为:数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制

一、数据读取与存储部分

我们首先要得到训练时的数据,以损失值为例,网络每迭代一次都会产生相应的 loss,那么我们就把每一次的损失值都存储下来,存储到列表,保存到 .txt 文件中。保存的文件如下图所示:

[1.3817585706710815, 1.8422836065292358, 1.1619832515716553, 0.5217241644859314, 0.5221078991889954, 1.3544578552246094, 1.3334463834762573, 1.3866571187973022, 0.7603049278259277]

上图为部分损失值,根据迭代次数而异,要是迭代了1万次,这里就会有1万个损失值。
而准确率值是每一个 epoch 产生一个值,要是训练100个epoch,就有100个准确率值。

(那么问题来了,这里的损失值是怎么保存到文件中的呢? 很少有人讲这个,也有一些小伙伴们来咨询,这里就统一记录一下,包括损失值和准确率值。)

首先,找到网络训练代码,就是项目中的 main.py,或者 train.py ,在文件里先找到训练部分,里面经常会有这样一行代码:

for epoch in range(resume_epoch, num_epochs):   # 就是这一行
####
...
loss = criterion(outputs, labels.long())              # 损失样例
...
   epoch_acc = running_corrects.double() / trainval_sizes[phase]    # 准确率样例
   ...
   ###

从这一行开始就是训练部分了,往下会找到类似的这两句代码,就是损失值和准确率值了。

这时候将以下代码加入源代码就可以了:

train_loss = []
train_acc = []
for epoch in range(resume_epoch, num_epochs):          # 就是这一行
###
...
loss = criterion(outputs, labels.long())           # 损失样例
train_loss.append(loss.item())                     # 损失加入到列表中
...
epoch_acc = running_corrects.double() / trainval_sizes[phase]    # 准确率样例
train_acc.append(epoch_acc.item())                 # 准确率加入到列表中
...
with open("./train_loss.txt", 'w') as train_los:
   train_los.write(str(train_loss))

with open("./train_acc.txt", 'w') as train_ac:
    train_ac.write(str(train_acc))

这样就算完成了损失值和准确率值的数据存储了!

二、绘制 loss 曲线

主要需要 numpy 库和 matplotlib 库,如果不会安装可以自行百度,很简单。

首先,将 .txt 文件中的存储的数据读取进来,以下是读取函数:

import numpy as np

# 读取存储为txt文件的数据
def data_read(dir_path):
   with open(dir_path, "r") as f:
       raw_data = f.read()
       data = raw_data[1:-1].split(", ")   # [-1:1]是为了去除文件中的前后中括号"[]"

return np.asfarray(data, float)

然后,就是绘制 loss 曲线部分:

if __name__ == "__main__":

train_loss_path = r"E:\relate_code\Gaitpart-master\train_loss.txt"   # 存储文件路径

y_train_loss = data_read(train_loss_path)        # loss值,即y轴
x_train_loss = range(len(y_train_loss)) # loss的数量,即x轴

plt.figure()

# 去除顶部和右边框框
   ax = plt.axes()
   ax.spines['top'].set_visible(False)
   ax.spines['right'].set_visible(False)

plt.xlabel('iters')    # x轴标签
   plt.ylabel('loss')     # y轴标签

# 以x_train_loss为横坐标,y_train_loss为纵坐标,曲线宽度为1,实线,增加标签,训练损失,
# 默认颜色,如果想更改颜色,可以增加参数color='red',这是红色。
   plt.plot(x_train_loss, y_train_loss, linewidth=1, linestyle="solid", label="train loss")
   plt.legend()
   plt.title('Loss curve')
   plt.show()

这样就算把损失图像画出来了!如下:

Python绘制loss曲线和准确率曲线实例代码

三、绘制准确率曲线

有了上面的基础,这就简单很多了。
只是有一点要记住,上面的x轴是迭代次数,这里的是训练轮次 epoch。

if __name__ == "__main__":

train_acc_path = r"E:\relate_code\Gaitpart-master\train_acc.txt"   # 存储文件路径

y_train_acc = data_read(train_acc_path)       # 训练准确率值,即y轴
x_train_acc = range(len(y_train_acc)) # 训练阶段准确率的数量,即x轴

plt.figure()

# 去除顶部和右边框框
   ax = plt.axes()
   ax.spines['top'].set_visible(False)
   ax.spines['right'].set_visible(False)

plt.xlabel('epochs')    # x轴标签
   plt.ylabel('accuracy')     # y轴标签

# 以x_train_acc为横坐标,y_train_acc为纵坐标,曲线宽度为1,实线,增加标签,训练损失,
# 增加参数color='red',这是红色。
   plt.plot(x_train_acc, y_train_acc, color='red',linewidth=1, linestyle="solid", label="train acc")
   plt.legend()
   plt.title('Accuracy curve')
   plt.show()

这样就把准确率变化曲线画出来了!如下:

Python绘制loss曲线和准确率曲线实例代码

以下是完整代码,以绘制准确率曲线为例,并且将x轴换成了iters,和损失曲线保持一致,供参考:

import numpy as np
import matplotlib.pyplot as plt

# 读取存储为txt文件的数据
def data_read(dir_path):
   with open(dir_path, "r") as f:
       raw_data = f.read()
       data = raw_data[1:-1].split(", ")

return np.asfarray(data, float)

# 不同长度数据,统一为一个标准,倍乘x轴
def multiple_equal(x, y):
   x_len = len(x)
   y_len = len(y)
   times = x_len/y_len
   y_times = [i * times for i in y]
   return y_times

if __name__ == "__main__":

train_loss_path = r"E:\relate_code\Gaitpart-master\file_txt\train_loss.txt"
   train_acc_path = r"E:\relate_code\Gaitpart-master\train_acc.txt"

y_train_loss = data_read(train_loss_path)
   y_train_acc = data_read(train_acc_path)

x_train_loss = range(len(y_train_loss))
   x_train_acc = multiple_equal(x_train_loss, range(len(y_train_acc)))

plt.figure()

# 去除顶部和右边框框
   ax = plt.axes()
   ax.spines['top'].set_visible(False)
   ax.spines['right'].set_visible(False)

plt.xlabel('iters')
   plt.ylabel('accuracy')

# plt.plot(x_train_loss, y_train_loss, linewidth=1, linestyle="solid", label="train loss")
   plt.plot(x_train_acc, y_train_acc,  color='red', linestyle="solid", label="train accuracy")
   plt.legend()

plt.title('Accuracy curve')
   plt.show()

来源:https://blog.csdn.net/WYKB_Mr_Q/article/details/125661871

标签:Python,loss曲线,准确率曲线
0
投稿

猜你喜欢

  • PyQtGraph在pyqt中的应用及安装过程

    2022-02-27 17:00:14
  • 基于python-pptx库中文文档及使用详解

    2023-11-30 12:06:13
  • Python 记录日志的灵活性和可配置性介绍

    2022-06-05 12:30:15
  • MySQL 8.0.12的安装与卸载教程详解

    2024-01-25 23:36:58
  • Python OpenCV实现姿态识别的详细代码

    2023-05-27 23:42:31
  • Python双链表原理与实现方法详解

    2023-10-10 20:55:40
  • python中os库的函数使用

    2022-05-03 22:16:57
  • 解决vscode中golang插件依赖安装失败问题

    2024-04-26 17:23:15
  • python推导式的使用方法实例

    2021-03-13 09:38:25
  • SQL Server 2012 sa用户登录错误18456的解决方法

    2024-01-21 03:51:29
  • python计算两个地址之间的距离方法

    2023-09-01 01:40:59
  • SQL 重复记录问题的处理方法小结

    2024-01-16 14:56:36
  • 深入认识javascript中的eval函数

    2008-08-03 16:44:00
  • 在CentOS7下安装Python3教程解析

    2021-09-17 16:51:13
  • Vue中金额、日期格式化插件@formatjs/intl的使用及说明

    2024-04-27 16:06:48
  • Typora 1.4.8激活 2022最新Typora破解激活使用教程

    2022-02-13 18:14:59
  • MHA实现mysql主从数据库手动切换的方法

    2024-01-25 22:36:23
  • python3制作捧腹网段子页爬虫

    2021-01-17 20:58:48
  • 两大步骤教您开启MySQL 数据库远程登陆帐号

    2010-09-30 16:42:00
  • MYSQL ERROR 1045 (28000): Access denied for user (using password: YES)问题的解决

    2024-01-26 23:19:50
  • asp之家 网络编程 m.aspxhome.com