caffe的python介面繪製loss和accuracy曲線示例

導讀	這篇文章主要為大家介紹了caffe的python介面繪製loss和accuracy曲線示例詳解，有需要的朋友可以借鑑參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

使用python介面來執行caffe程式，主要的原因是python非常容易視覺化。所以不推薦大家在 行下面執行python程式。如果非要在 行下面執行，還不如直接用 c++算了。

推薦使用jupyter notebook，spyder等工具來執行python程式碼，這樣才和它的視覺化完美結合起來。

因為我是用anaconda來安裝一系列python第三方庫的，所以我使用的是spyder,與matlab介面類似的一款編輯器，在執行過程中，可以檢視各變數的值，便於理解，如下圖：

只要安裝了anaconda，執行方式也非常方便，直接在終端輸入spyder命令就可以了。

在caffe的訓練過程中，我們如果想知道某個階段的loss值和accuracy值，並用圖表畫出來，用python介面就對了。

# -*- 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，即隨機梯度下降演算法  
solver = caffe.SGDSolver('/home/xxx/mnist/solver.prototxt')  
# 等價於solver檔案中的max_iter，即最大解算次數  
niter = 9380 
# 每隔100次收集一次資料  
display= 100 
# 每次測試進行100次解算，10000/100  
test_iter = 100 
# 每500次訓練進行一次測試（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，不計入  
solver.step(1)  
# 輔助變數  
_train_loss = 0; _test_loss = 0; _accuracy = 0 
# 進行解算  
for it in range(niter):  
    # 進行一次解算  
    solver.step(1)  
    # 每迭代一次，訓練batch_size張圖片  
    _train_loss += solver.net.blobs['SoftmaxWithLoss1'].data  
    if it % display == 0:  
        # 計算平均train loss  
        train_loss[it // display] = _train_loss / display  
        _train_loss = 0 
    if it % test_interval == 0:  
        for test_it in range(test_iter):  
            # 進行一次測試  
            solver.test_nets[0].forward()  
            # 計算test loss  
            _test_loss += solver.test_nets[0].blobs['SoftmaxWithLoss1'].data  
            # 計算test accuracy  
            _accuracy += solver.test_nets[0].blobs['Accuracy1'].data  
        # 計算平均test loss  
        test_loss[it / test_interval] = _test_loss / test_iter  
        # 計算平均test accuracy  
        test_acc[it / test_interval] = _accuracy / test_iter  
        _test_loss = 0 
        _accuracy = 0 
# 繪製train loss、test loss和accuracy曲線  
print '\nplot the train loss and test accuracy\n' 
_, ax1 = plt.subplots()  
ax2 = ax1.twinx()  
# train loss -> 綠色  
ax1.plot(display * arange(len(train_loss)), train_loss, 'g')  
# test loss -> 黃色  
ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')  
# test accuracy -> 紅色  
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()

最後生成的圖表在上圖中已經顯示出來了。

原文來自： https://www.linuxprobe.com/caffe-python-accuracy.html