良许Linux教程网 干货合集 caffe的python接口绘制loss和accuracy曲线示例

caffe的python接口绘制loss和accuracy曲线示例

这篇文章主要为大家介绍了caffe的python接口绘制loss和accuracy曲线示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

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:

caffe的python接口绘制loss和accuracy曲线示例caffe的python接口绘制loss和accuracy曲线示例

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。

以上就是良许教程网为各位朋友分享的Linu系统相关内容。想要了解更多Linux相关知识记得关注公众号“良许Linux”,或扫描下方二维码进行关注,更多干货等着你 !

137e00002230ad9f26e78-265x300
本文由 良许Linux教程网 发布,可自由转载、引用,但需署名作者且注明文章出处。如转载至微信公众号,请在文末添加作者公众号二维码。
良许

作者: 良许

良许,世界500强企业Linux开发工程师,公众号【良许Linux】的作者,全网拥有超30W粉丝。个人标签:创业者,CSDN学院讲师,副业达人,流量玩家,摄影爱好者。
上一篇
下一篇

发表评论

邮箱地址不会被公开。 必填项已用*标注

联系我们

联系我们

公众号:良许Linux

在线咨询: QQ交谈

邮箱: yychuyu@163.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部