Training LeNet on MNIST with Caffe|保存log绘制accuracy loss曲线

本文主要是介绍Training LeNet on MNIST with Caffe|保存log绘制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！

1、准备数据：下载mnist数据

cd $CAFFE_ROOT
./data/mnist/get_mnist.sh

2、将格式转为lmdb格式

./examples/mnist/create_mnist.sh

lmdb数据在examples/mnist路径下

3、分类模型：LeNet

模型结构：$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt.

4、定义solver文件：$CAFFE_ROOT/examples/mnist/lenet_solver.prototxt:

solver_mode: CPU

里面有很多重要参数（后续再好好看看写写）

5、开始训练

cd $CAFFE_ROOT
./examples/mnist/train_lenet.sh

原本的没有保存log，可以新建一个log文件夹，log可以用于后续训练过程的画accuracy,loss变化曲线等图。

在train_lenet.sh中添加：

LOG=./log/train-`date +%Y-%m-%d-%H-%M-%S`.log

sh之后变为：

#!/usr/bin/env sh
set -e

LOG=./log/train-`date +%Y-%m-%d-%H-%M-%S`.log
./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt  2>&1 | tee $LOG $@

tee ：将输出内容 重定向到日志文件中，同时在终端打印输出

2>&1 是将标准出错重定向到标准输出，这里的标准输出已经重定向到了out.file文件，即将标准出错也输出到out.file文件中。最后一个&， 是让该命令在后台执行

这里可以参考：http://blog.csdn.net/liuweizj12/article/details/64920428

1、先解析生成的.log文件，分成train和 test会在当前文件夹下生成log-data.train和 log-data.test两个文件

 tools/extra

    ./parse_log.sh  log-？？？.log

2、调用py程序绘制图形

tools/extra

./plot_training_log.py.example 0 save.png log-data.log

其中0代表曲线类型， save.png 代表保存的图片名称  caffe中支持很多种曲线绘制，通过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

例如：

1. ./plot_training_log.py.example 0 save.png /home/lw/caffe/examples/testCreateLmDB/log/log-2017-03-22-10-33-20.log  
   

这篇关于Training LeNet on MNIST with Caffe|保存log绘制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！

---