Caffe的可视化训练:绘制loss和accuracy曲线
2016-10-25 10:57
537 查看
曾经用caffe自带的提取训练log的脚本以及画图的脚本,发现plot_traning_lo.py老报错。 就改用Spyder直接运行Python 脚本的方式了。
本文参考了 徐其华的blog :http://www.cnblogs.com/denny402/p/5686067.html ,并修改了相关的错误
1. import import numpy as np, 然后zeros,ceil,arange前面加np.
2.
3.给出网络solver.prototxt的路径时候,最好用绝对路径不要用相对路径。用~/caffe等相对路径,我这里报出了“Kernel died. Restarting”的错误
下面贴出原始代码:
本文参考了 徐其华的blog :http://www.cnblogs.com/denny402/p/5686067.html ,并修改了相关的错误
1. import import numpy as np, 然后zeros,ceil,arange前面加np.
2.
_train_loss += solver.net.blobs['SoftmaxWithLoss1'].data 中 'SoftmaxWithLoss1' 改为'loss' ,这是这一层的名字而不是类型。 同理:Accuracy1 改为 accuracy
3.给出网络solver.prototxt的路径时候,最好用绝对路径不要用相对路径。用~/caffe等相对路径,我这里报出了“Kernel died. Restarting”的错误
下面贴出原始代码:
# -*- coding: utf-8 -*- """ @author: root """ import matplotlib.pyplot as plt import numpy as np import caffe caffe.set_device(0) caffe.set_mode_gpu() # 使用SGDSolver,即随机梯度下降算法 # 下面这里用绝对路径。用~/caffe等相对路径,我这里报出了“Kernel died. Restarting”的错误 solver = caffe.SGDSolver('/home/XX/caffe/workplace/XX/cifar10_quick_solver.prototxt') # 等价于solver文件中的max_iter,即最大解算次数 niter = 1000 # 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 = 2 # 每500次训练进行一次测试(100次解算),60000/64 test_interval =10 #初始化 train_loss = np.zeros(np.ceil(niter * 1.0 / display)) test_loss = np.zeros(np.ceil(niter * 1.0 / test_interval)) test_acc = np.zeros(np.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 “loss”为名字而不是类型 _train_loss += solver.net.blobs['loss'].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['loss'].data # 计算test accuracy _accuracy += solver.test_nets[0].blobs['accuracy'].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 * np.arange(len(train_loss)), train_loss, 'g') # test loss -> 黄色 ax1.plot(test_interval * np.arange(len(test_loss)), test_loss, 'y') # test accuracy -> 红色 ax2.plot(test_interval * np.arange(len(test_acc)), test_acc, 'r') ax1.set_xlabel('iteration') ax1.set_ylabel('loss') ax2.set_ylabel('accuracy') plt.show()
相关文章推荐
- 使用caffe绘制训练过程的loss和accuracy曲线
- caffe绘制训练过程的loss和accuracy曲线
- caffe绘制训练过程中的accuracy、loss曲线
- Caffe 的可视化 (五)Caffe 中绘制 accuracy 和 loss 曲线
- 【caffe】caffe保存训练生成的log & 绘制训练过程的loss和accuracy曲线
- caffe绘制训练过程的loss和accuracy曲线
- Python:如何使用jupyter绘制caffe训练过程中的loss和accuracy曲线?n
- caffe自带工具绘制训练accuracy、loss曲线
- 【DeepLearning_Visualization】Note1:caffe保存训练日志和accuracy曲线,Loss曲线的可视化
- Caffe绘制训练过程的loss和accuracy曲线
- caffe绘制训练过程的loss和accuracy曲线(以mnist为例)
- caffe训练绘制accuracy和loss曲线及报错处理
- caffe训练打印log分析train loss和test loss并绘制变化曲线
- Caffe学习:绘制loss和accuracy曲线(使用caffe工具包)
- 【caffe】在windows下输出训练caffemodel的log日志并画出accuracy和loss曲线
- caffe使用自带的工具绘制accuracy和loss曲线
- caffe保存训练输出到log 并绘制accuracy loss曲线以及ssd画loss和accuracy曲线
- Caffe学习:绘制loss和accuracy曲线(使用caffe的python接口)
- windows下运用matlab绘制caffe训练日志文件中的loss曲线
- caffe绘制loss曲线和accuracy的方法