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 |
引言
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。
anaconda庫
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。
python介面實現
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。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69955379/viewspace-2906343/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- iOS 波浪曲線的繪製iOS
- Origin教程:DSC曲線的描述和繪製
- canvas繪製sin正弦曲線Canvas
- 怎麼用java繪製曲線Java
- 解析csv資料繪製曲線圖
- ROC曲線繪製與AUC計算
- JavaScript繪製sin正弦函式曲線JavaScript函式
- JavaScript 繪製sin正弦函式曲線JavaScript函式
- 基於 matplotlib 的抽象網格和能量曲線繪製程式抽象
- caffe的python介面caffemodel引數及特徵抽取示例Python特徵
- 用canvas繪製一個曲線動畫——深入理解貝塞爾曲線Canvas動畫
- 函式的遞迴及科赫曲線繪製函式遞迴
- flutter 自定義view 繪製曲線統計圖FlutterView
- webGL入門-四階貝塞爾曲線繪製Web
- html5中canvas繪製貝塞爾曲線HTMLCanvas
- MPAndroidChart繪製曲線圖、柱狀圖總結Android
- canvas繪製貝濟埃曲線程式碼例項Canvas線程
- html5中canvas貝塞爾曲線繪製菊花HTMLCanvas
- WPF隨筆收錄-實時繪製心率曲線
- 包教包會-貝塞爾曲線的繪製原理與應用
- 等值線圖的Python繪製方法Python
- Python的GDAL庫繪製多波段、長時序遙感影像時間曲線圖Python
- pyqt5+matplotlib繪製動態雙y軸曲線QT
- WPF開發隨筆收錄-心電圖曲線繪製
- OpenGL實現Hermite演算法繪製三次曲線MIT演算法
- Unity3d 繪製並獲取通過任意點的曲線Unity3D
- qt之點的繪製示例demoQT
- 基於react的錄音及音訊曲線繪製的元件開發React音訊元件
- 機器學習中的PR曲線和ROC曲線機器學習
- 用Python的random模組繪製折線圖Pythonrandom
- Android日常學習:OpenGL 實踐之貝塞爾曲線繪製Android
- Top-1 accuracy和Top-5 accuracy的概念及理解
- Python 利用pandas和matplotlib繪製柱狀折線圖Python
- R語言ggsurvplot繪製生存曲線報錯 : object of type ‘symbol‘ is not subsettableR語言ObjectSymbol
- 自定義 View 梳理:用貝塞爾曲線繪製酷炫輪廓背景View
- C# Chart控制元件,chart、Series、ChartArea曲線圖繪製的重要屬性C#控制元件
- 基於Python GDAL為長時間序列遙感影像繪製時相變化曲線圖Python
- Matlab 使用caffe示例Matlab