caffe的python介面繪製loss和accuracy曲線示例

大雄45發表於2022-07-19
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:

caffe的python介面繪製loss和accuracy曲線示例caffe的python介面繪製loss和accuracy曲線示例

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。

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


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