本文主要是介绍Caffe学习：使用pycaffe绘制loss、accuracy曲线，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
- 直接使用pycaffe进行网络训练与测试无法得到loss、accuracy的直观信息，用下面代码可以实现loss、accuracy曲线绘制：
#!/usr/bin/env python
# 导入绘图库
from pylab import *
import matplotlib.pyplot as plt# 导入"咖啡"
import caffe# 设置为gpu模式
caffe.set_device(0)
caffe.set_mode_gpu()# 使用SGDSolver，即随机梯度下降算法
solver = caffe.SGDSolver('lenet_solver_sgd.prototxt')# 等价于solver文件中的max_iter，即最大解算次数
niter = 10000
# 每隔100次收集一次数据
display_iter = 100# 每次测试进行100次解算，根据test用例数量和batch_size得出
test_iter = 100
# 每500次训练进行一次测试（100次解算），根据train用例数量和batch_size得出
test_interval = 500# train loss
train_loss = zeros(ceil(niter * 1.0 / display_iter))
# test loss
test_loss = zeros(ceil(niter * 1.0 / test_interval))
# test accuracy
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)# 计算train loss_train_loss += solver.net.blobs['loss'].dataif it % display_iter == 0:# 计算平均train losstrain_loss[it // display_iter] = _train_loss / display_iter_train_loss = 0if 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 losstest_loss[it / test_interval] = _test_loss / test_iter# 计算平均test accuracytest_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_iter * 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()
这篇关于Caffe学习：使用pycaffe绘制loss、accuracy曲线的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
