caffe绘制训练过程中的accuracy、loss曲线

本文主要是介绍caffe绘制训练过程中的accuracy、loss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！

训练模型并保存日志文件

       首先建立一个训练数据的脚本文件train.sh，其内容如下，其中，2>&1   | tee examples/mnist/mnist_train_log.log 是log日志文件的保存目录。

#!/usr/bin/env sh  
set -e  TOOLS=./build/tools  $TOOLS/caffe train  --solver=examples/mnist/lenet_solver.prototxt 2>&1  | tee examples/mnist/mnist_train_log.log  

训练完成后，会在examples/mnist文件夹下生成mnist_train_log.log日志

绘制曲线

       首先将文件夹caffe/tools/extra下的parse_log.sh 、extract_seconds.py、plot_training_log.py.example复制到上一步log日志文件的保存目录下。

然后，将plot_training_log.py.example改为plot_training_log.py，并执行以下命令就可以绘制曲线：

python plot_training_log.py 6 train_loss.png mnist_train_log.log

caffe支持多种曲线绘制，指定不同的类型参数即可，具体参数如下:

Notes: 1. Supporting multiple logs. 2. Log file name must end with the lower-cased ".log". 
Supported chart types: 0: Test accuracy  vs. Iters 1: Test accuracy  vs. Seconds 2: Test loss  vs. Iters 3: Test loss  vs. Seconds 4: Train learning rate  vs. Iters 5: Train learning rate  vs. Seconds 6: Train loss  vs. Iters 7: Train loss  vs. Seconds 

 

遇到的问题：

问题1：

       刚开始的时候发现类型参数为0-3的时候，可以正常绘制曲线，但是类型参数为4-7的时候，出现下面的错误：

 

解决方法：

       打开生成的mnist_train_log.log.train文件后，发现确实是提取TrainingLoss数据有问题，如图1；后来按博客点击打开链接中的方法将parse_log.sh进行修改。对于parse-log.sh生成的文件mnist_train_log.log.train，caffe自带的parse-log.sh提取到的是第9列(第9个域)，也就是带S/10的那些数，我将它改成第13个域，也就是loss及=符号后的数，真正的loss在第13列，如图2、3。

                                           图1

                                           图2

                                           图3

 

 

问题2：

       解决完上述问题后，类型参数为4-7的时候，还是不能绘制曲线，出现如下问题：IndexError: list index out of range

 

解决方法：

       群里大神帮忙找到问题了，原来是mnist_train_log.log.train中最后一行存在数据缺失问题，无奈，日志文件真的没有数据了，只能伪造一组数据了，如下图，红色圈中的就是我自己加的。但是，感觉这样做不好，关于这个问题，大家有遇到过没，怎么解决的，可以交流一下。

 

 

修改前的：

 

修改后的：

 

这篇关于caffe绘制训练过程中的accuracy、loss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！

---