caffe绘制训练过程的loss和accuracy曲线

最新推荐文章于 2025-04-06 17:12:43 发布
最新推荐文章于 2025-04-06 17:12:43 发布
阅读量4.3w 收藏 76
点赞数 14
分类专栏： caffe实践 文章标签： 图形
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/u013078356/article/details/51154847
版权
本文介绍了如何利用Caffe内置工具绘制训练过程中的损失(loss)和准确率(accuracy)曲线。首先，在训练命令中添加参数记录日志；接着，将提供的解析脚本复制到日志文件夹并运行；最后，执行脚本来生成曲线图片。Caffe支持多种曲线绘制，可通过调整参数来选择不同类型的图表。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在caffe的训练过程中，大家难免想图形化自己的训练数据，以便更好的展示结果。如果自己写代码记录训练过程的数据，那就太麻烦了，caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh  caffe-master/tools/extra/extract_seconds.py和 caffe-master/tools/extra/plot_training_log.py.example ，使用方法如下：

1.记录训练日志

在训练过程中的命令中加入一行参数 ，实现Log日志的记录

TOOLS=./build/tools
GLOG_logtostderr=0 GLOG_log_dir=deepid/deepid2/Log/ \
$TOOLS/caffe train \
  --solver=deepid/deepid2/deepid_solver.prototxt

其中目录改成自己系统的目录，这样训练结束之后，会在Log文件夹中生成每次训练的Log日志


2.解析训练日志

将最上面说的3个脚本文件拷贝到Log 文件夹下，执行：


                

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        


    



                



	

		

			

				
					
caffe绘制训练过程的loss和accuracy曲线（以mnist为例）

				
			

			

				

					w_q_q2017的博客
				

				

					01-27
					
					788
					
				

			

		

		

			
				
1.首先建立一个文件plot_loss，然后将以下三个文件放在该文件夹下
1.caffe/tools/extra/parse_log.sh  
2 caffe/tools/extra/extract_seconds.py
3 caffe/tools/extra/plot_training_log.py.example

2.切换到caffe，打开终端命令，输入 sh examples/mni

			
		

	



                

            
              



	

		

			

				
					
MATLAB画caffe训练过程的损失函数

				
			

			

				

					04-25
				

			

		

		

			
				
可以实现windows下画caffe训练过程的损失函数，精度等的变化情况，

			
		

	



              


  
              

                


	

		

			

				
					
使用caffe绘制训练过程的loss和accuracy曲线

				
			

			

				

					chris_pei的博客
				

				

					03-05
					
					528
					
				

			

		

		

			
				
最近使用caffe训练时，不知道loss的变化趋势，于是就想到了能否将自己的训练数据图形化。后来经过查阅资料，发现caffe自带这样的工具：caffe-master/tools/extra/parse_log.sh caffe-master/tools/extra/extract_seconds.pycaffe-master/tools/extra/plot_training_log.py.exa...

			
		

	





	

		

			

				
					
training loss和validation loss 有什么区别与各自的影响

					
最新发布

				
			

			

				

					weixin_45582252的博客
				

				

					04-06
					
					749
					
				

			

		

		

			
				
虽然通常在模型训练时不使用，但它在模型开发过程中至关重要。：这是模型在验证集上的损失值，反映了模型对未见数据的泛化能力。验证损失的变化趋势可以帮助我们理解模型的表现是否仅限于训练数据，还是能够有效地转移到新的数据上。：这是模型在训练集上的损失值，反映了模型在训练数据上的拟合程度。理想情况下，随着训练的进行，训练损失应该逐渐下降，说明网络在学习如何更好地拟合训练数据。通常情况下，数据集可以按照适当的比例划分为训练集、验证集和测试集，比如 80% 用于训练，10% 用于验证，10% 用于测试。

			
		

	



		

			
		



	

		

			

				
					
MATLAB解析caffe训练日志并绘制曲线

				
			

			

				

					yudiemiaomiao的博客
				

				

					12-06
					
					690
					
				

			

		

		

			
				
公司机器上，使用python画图缺少一些库，但是又没有权限安装，所以考虑matlab。  
使用MATLAB画解析caffe的训练日志，其实就是找规律，代码如下：function loss_accuracy_visualization(logName)
fid = fopen(logName, 'r'); 
fid_accuracy = fopen('output_accuracy.txt', 'w

			
		

	





	

		

			

				
					
caffe 画loss和accuracy

				
			

			

				

					weixin_39970417的博客
				

				

					06-19
					
					279
					
				

			

		

		

			
				
import osimport sysimport numpy as npimport matplotlib.pyplotas pltimport mathimport reimport pylabfrom pylab import figure, show,legendfrommpl_toolkits.axes_grid1 import host_subplot # read the logfi...

			
		

	





	

		

			

				
					
caffe 训练+loss绘制

				
			

			

				

					qq_39501363的博客
				

				

					04-03
					
					217
					
				

			

		

		

			
				
如何进行训练和绘制loss曲线同时进行，找了很多地方都没有这方面的教程？？目测这个是我的极限，训练完成后输出！！！


			
		

	





	

		

			

				
					
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...

			
		

	





	

		

			

				
					
快速绘制Caffe训练过程中的loss和accuracy曲线

				
			

			

				

					
				

			

		

		

			
				
在Caffe框架中，.log文件记录了训练过程中的各种信息，包括loss和accuracy值。用户需要将这些.log文件准备好，以便于后续生成loss和accuracy曲线。  3. **生成曲线的命令**：生成loss和accuracy曲线需要在命令行...

			
		

	





	

		

			

				
					
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

			
		

	





	

		

			

				
					
用caffe自带程序画训练loss图

				
			

			

				

					weixin_38378417的博客
				

				

					02-28
					
					758
					
				

			

		

		

			
				
  注：有转载 使用caffe自带的工具绘制loss函数曲线。由于最近使用caffe训练一个网络，学习了如何使用训练过程中生成的log来绘制loss函数曲线，主要用于观察所训练的网络是否收敛。  Step1.对网络训练的脚本文件train.sh进行修改，加上生成log的语句。$HOME/net/caffe/build/tools/caffe train -solver=solver.txt - s...

			
		

	





	

		

			

				
					
TensorFlow绘制loss/accuracy曲线的实例

				
			

			

				

					12-23
				

			

		

		

			
				
1. 多曲线
1.1 使用pyplot方式

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1, 11, 1)
plt.plot(x, x * 2, label="First")
plt.plot(x, x * 3, label="Second")
plt.plot(x, x * 4, label="Third")
plt.legend(loc=0, ncol=1)  # 参数：loc设置显示的位置，0是自适应；ncol设置显示的列数
plt.show()
1.2 使用面向对象方式

import numpy 

			
		

	





	

		

			

				
					
在tensorflow下利用plt画论文中loss,acc等曲线图实例

				
			

			

				

					12-17
				

			

		

		

			
				
直接上代码：

fig_loss = np.zeros([n_epoch])
fig_acc1 = np.zeros([n_epoch])
fig_acc2= np.zeros([n_epoch])
for epoch in range(n_epoch):
 start_time = time.time()
 #training
 train_loss, train_acc, n_batch = 0, 0, 0
 for x_train_a, y_train_a in minibatches(x_train, y_train, batch_size, shuffle=True):
  _,er

			
		

	





	

		

			

				
					
绘制loss曲线

				
			

			

				

					weixin_30507269的博客
				

				

					09-23
					
					299
					
				

			

		

		

			
				
不要每次去2>&1 \tee out.log，好多模型本身会生成日子文件在experiment/log下
转载于:https://www.cnblogs.com/ymjyqsx/p/7581825.html

			
		

	





	

		

			

				
					
pytorch识别CIFAR10：训练ResNet-34（数据增强，准确率提升到92.6%）

				
			

			

				

					weixin_30521649的博客
				

				

					02-27
					
					2960
					
				

			

		

		

			
				
版权声明：本文为博主原创文章，欢迎转载，并请注明出处。联系方式：460356155@qq.com
在前一篇中的ResNet-34残差网络，经过减小卷积核训练准确率提升到85%。
这里对训练数据集做数据增强：
1、对原始32*32图像四周各填充4个0像素（40*40），然后随机裁剪成32*32。
2、按0.5的概率水平翻转图片。
代码具体修改如下：

 1     trans...

			
		

	





	

		

			

				
					
【纯干货级教程】深度学习根据loss曲线进行分析调参

					
热门推荐

				
			

			

				

					2401_84870184的博客
				

				

					06-16
					
					1万+
					
				

			

		

		

			
				
以YOLOv5/YOLOv7示例展示深度学习的目标检测算法在输出的文件中的loss曲线变化规律的一般情况的分析总结，并用以调整自己的模型、调参等。

			
		

	





	

		

			

				
					
深度学习-网络训练技巧

				
			

			

				

					ymy_ymy22的博客
				

				

					01-08
					
					1146
					
				

			

		

		

			
				
自适应梯度剪切

由于链式法则的计算，当网络的层数非常多时，经常出现梯度消失或者梯度爆炸的现象。体现在图像，就是损失函数有一个悬崖式的变化。如果设置的学习率太大，那么可能出现修改过度，甚至丢失已经优化好的数据。而自适应梯度剪切就是根据你的学习率，调整梯度的角度，确保收敛的稳定性。



高学习率

提高收敛速度的最直接方式就是增大学习率，但单纯的增大高学习率会产生收敛问题（收敛不稳定），虽然作者已经用了自适应梯度剪切的方法来增大收敛稳定性。但作者在设置学习率时，也能使用一下技巧来增强收敛稳定性。具体的做法是

			
		

	





	

		

			

				
					
Caffe 学习系列（10）： 绘制 loss 和 accuracy 曲线

				
			

			

				

					JACK_YOUNG007的博客
				

				

					04-22
					
					1108
					
				

			

		

		

			
				
引言

之所以使用 python 接口来运行 caffe 程序，其主要原因在于 python 非常容易可视化。所以推荐大家在 pycharm、jupyter notebook、spyder 等工具来运行 python 代码，这样才和它的可视化完美结合起来。同时便于读者的理解与学习。

在 caffe 训练过程中，如果我们想知道某个阶段的 loss 值和 accuracy 值，并用图表画出来，用 p...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 48

	

	
	




  

    

      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