Caffe如何画出训练中的loss曲线图和accuracy曲线图

最新推荐文章于 2024-04-23 11:15:30 发布
VIP文章 最新推荐文章于 2024-04-23 11:15:30 发布
阅读量1.4w 收藏 18
点赞数 6
分类专栏： Caffe 文章标签： caffe 深度学习 训练日志 loss曲线图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fx409494616/article/details/53197209
版权

第一种方法：重定向训练日志文件

我们在训练的时候会用到caffe/buile/tools/caffe 这个里面的train这个选项。在输入之后，正常会显示训练日志的详细信息。想要画出这里面显示的loss和accuracy图，就可以把这些输出的日志内容重定向到一个文件内，然后利用shell命令检索出其中的loss和accuracy值，再将其画出就行了。

这里需要注意的是，重定向的方式是在命令的后面加入:　　>& "重定向文件名" &
重定向之后，程序一运行就会被放到后台中工作，想要查看文件中的内容还需要输入: tail -f "重定向文件名"
这样就可以在显示页面重新看到训练日志了。

第二种方法：利用tools/extra下的工具直接画出。

最低0.47元/天 解锁文章
不破楼兰终不还
关注
  • 6
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【机器学习】输出网络训练过程中的 Loss 下降曲线
Fanjufei的博客
05-10 705
MATLAB Deep Learning Toolbox可以通过训练选项 'plots' 来输出网络训练过程中的 Loss 下降曲线。具体而言，可以设置 'plots' 参数为 'training-progress'，这样在训练过程中就会输出一个包含 Loss 下降曲线的训练进度窗口。除了 'training-progress'，MATLAB还支持其他类型的 Plot，比如 'training-goal'、'training-state' 等等。
Caffe—根据log日志绘制loss曲线和accuracy
08-13
Caffe—根据log日志绘制loss曲线和accuracy；具体操作可以参考博客：https://blog.csdn.net/tanghong1996/article/details/81636398
caffe 绘制训练集和测试集的loss和accuracy对比曲线
04-20
利用Caffe提供的脚本程序和Caffe训练日志画loss曲线与accuracy曲线。加强版，可以绘制对比曲线。辛辛苦苦修改作成的代码，大家还是给点儿资源分做鼓励吧，如果实在需要又没有资源分，请根据博客留下的联系方式联系我，发送到你邮箱。
Ubuntu+python3系统下使用caffe自带工具绘制loss和accuracy线
喝牛奶的鱼
03-19 389
最近在做vgg网络的微调，想看一下微调的效果，所以就要把loss和accuracy线绘制出来。 caffe自带了绘制loss和accuracy线的工具，在 caffe/tools/extra文件下的parse_log.sh、extract_seconds.py和plot_training_log.py.example 由于这个工具适用的是python2.7，所以在python3下会出现一些小问题，...
【学习】loss图和accuracy
盖丽男
08-18 4630
loss曲线能够反映网络训练的动态趋势，通过观察loss曲线，可以得到模型是否收敛、是否过拟合等信息。
matplotlib绘图实例：pyplot、pylab模块及作图参数
热门推荐
皮皮blog
10-12 10万+
http://blog.csdn.net/pipisorry/article/details/40005163 Matplotlib.pyplot绘图实例 {使用pyplot模块} matplotlib绘制直线、条形/矩形区域 import numpy as np import matplotlib.pyplot as plt t = np.arange(-1, 2, .01) s = ...
python如何训练图片_python 画图像训练结果的loss图
weixin_39710041的博客
11-27 780
得到每个epoch的loss和predict精度后，就可以愉快地画图直观地看出训练结果和收敛性了。# coding:utf-8import matplotlib.pyplot as pltdata_dir = "D:\\result.txt"Train_Loss_list = []Train_Accuracy_list = []Valid_Loss_list = []Valid_Accuracy_...
模型训练损失，正确率绘制曲线图
云计算、数据库、大数据、深度学习、NLP、Python
06-02 1万+
import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator # 创建第一张画布 plt.figure(0) # 绘制训练损失曲线 plt.plot(all_train_losses, label="Train Loss") # 绘制验证损失曲线, 颜色为红色 plt.plot(all_valid_losses, color="red", label="Valid Loss") # 定义横坐标刻度间隔对象,.
绘制loss和accuracy曲线
听笙
01-27 1万+
JLU-IPVR 听笙 做过训练的同学们都知道，我们很关注训练过程中loss和accuracy这两个参数值的变化，loss值不断减小，证明它正在趋于收敛，accuracy值不断增加，证明它的准确率在不断提升，这都是我们想看到的，实际上我们也希望能够直观的看到他们的变化趋势。这篇文章讲解的就是如何将loss和accuracy的变化曲线描绘出来。 在训练过程中我们会发现有这样一些东西： 这
PyTorch绘制训练过程的accuracy和loss曲线
moonson96的博客
04-08 3740
yTorch、Caffe绘制训练过程的accuracy和loss曲线 衡量模型的好坏其实最重要的看的就是准确率与损失率，所以将其进行可视化是一个非常重要的一步。这样就可以直观明了的看出模型训练过程中准确率以及损失率的变化。 因为博主一直是在caffe和pytorch进行深度学习研究的，之前查了相关资料发现caffe有相关的绘制方法，但是pytorch并没有找到，所以在这里进行总结。 Caffe 因...
tensorflow深度学习之准确率acc与损失loss可视化画图显示
一位安分的码农的博客
03-02 1万+
运行效果 画图代码 plt.subplot(1, 2, 1) plt.plot(acc, label='Training Accuracy') plt.plot(val_acc, label='Validation Accuracy') plt.title('Training and Validation Accuracy') plt.legend() plt.subplot(1, 2, 2) plt.plot(loss, label='Training Loss') plt.plot(val_loss,
Caffe-Windows下画loss和accuracy曲线python代码
12-09
代码的主体是Caffe提供的tools/extra文件中的python代码，但是代码无法在Windows下直接运行，此版本是我自己修改...经过测试8中曲线都能正确画出，如果你的积分有限，可以参考我们博客自行修改，或联系我。谢谢你的支持
caffe_log绘制accuracy和loss曲线（python3）
03-08
该程序是利用针对caffe的日志绘制accuracy和loss曲线的工具，该工具是caffe自带的，但是原版工具有各种小问题。我的底版是由@非文艺小燕儿_Vivien制作的资源修改而来。详细内容，使用方法在文档的readme中已经写明了...
caffe 数据库 转 图片训练集
01-08
caffe 数据库转图片训练集，方便caffe图片训练学习。本人亲测成功
[matlab]matcaffe在matlab2023a安装和配置过程
FL1623863129的博客
04-15 1499
将C:\Users\Administrator\Desktop\caffe-windows\build\install\matlab\+caffe\private\Release里面的caffe_.mexw64放到上一级目录中即。添加目录是C:\Users\Administrator\Desktop\caffe-windows\build\install\matlab\+caffe。放入C:\Users\Administrator\Desktop\caffe-windows\matlab\demo。
勾八头歌之RNN
m0_62470904的博客
04-23 83
【代码】勾八头歌之RNN。
【深度学习】YOLOv5，烟雾和火焰，目标检测，防火检测，森林火焰检测
q742971636的博客
04-23 486
然后标注矩形框和类别。
大创项目推荐 深度学习交通车辆流量分析 - 目标检测与跟踪 - python opencv
最新发布
laafeer的博客
04-23 601
🔥 优质竞赛项目系列，今天要分享的是🚩 **基于深度学习得交通车辆流量分析 **该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：5分🧿🧿。
探索PyTorch与深度学习：从基础到实践
windrainpy的博客
04-23 254
PyTorch是一个基于Python的科学计算库，它提供了强大的张量计算功能和自动求导机制，是构建深度学习模型的理想工具。PyTorch采用动态图计算的方式，使得模型的构建更加灵活，易于调试和理解。
我要使用基于MobileNet_SSD和Caffe预训练模型检测图像中的对象的代码
06-07
好的，以下是基于MobileNet_SSD和Caffe预训练模型检测图像中的对象的示例代码： ```python import cv2 import numpy as np # 加载网络模型 net = cv2.dnn.readNetFromCaffe('MobileNetSSD_deploy.prototxt', 'MobileNetSSD_deploy.caffemodel') # 定义类别标签 classNames = { 0: 'background', 1: 'aeroplane', 2: 'bicycle', 3: 'bird', 4: 'boat', 5: 'bottle', 6: 'bus', 7: 'car', 8: 'cat', 9: 'chair', 10: 'cow', 11: 'diningtable', 12: 'dog', 13: 'horse', 14: 'motorbike', 15: 'person', 16: 'pottedplant', 17: 'sheep', 18: 'sofa', 19: 'train', 20: 'tvmonitor' } # 加载图像 image = cv2.imread('image.jpg') # 对图像进行预处理 blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 0.007843, (300, 300), 127.5) # 将预处理后的图像输入到网络中，得到预测结果 net.setInput(blob) detections = net.forward() # 遍历预测结果，绘制检测框 for i in range(detections.shape[2]): confidence = detections[0, 0, i, 2] if confidence > 0.5: classId = int(detections[0, 0, i, 1]) className = classNames[classId] x1 = int(detections[0, 0, i, 3] * image.shape[1]) y1 = int(detections[0, 0, i, 4] * image.shape[0]) x2 = int(detections[0, 0, i, 5] * image.shape[1]) y2 = int(detections[0, 0, i, 6] * image.shape[0]) cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(image, className, (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2) # 显示检测结果 cv2.imshow('image', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 需要注意的是，代码中的`MobileNetSSD_deploy.prototxt`和`MobileNetSSD_deploy.caffemodel`是MobileNet_SSD的预训练模型文件，需要根据实际情况进行替换。同时，预训练模型中定义的类别标签也需要根据实际情况进行修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值