Deep Learning中常见图、线的绘制 -- ROC、PR、箱线图、折线图、损失变化图

1.载入.npy文件;pred_images.npy文件是模型预测的结果的汇总；gt_images.npy是ground truth的汇总

pred = np.load(‘pred_images.npy’)

gt = np.load(‘gt_images.npy’)

2.定义一个画布

plt.figure(1)

3.计算fpr、tpr及roc曲线的面积

fpr, tpr, thresholds = roc_curve((gt), pred)

roc_auc = auc(fpr, tpr)

4.绘制roc曲线

plt.plot(fpr, tpr, label=‘UNet (area = {:.4f})’.format(roc_auc), color=‘blue’)

5.格式个性化

font1 = {

‘weight’ : ‘normal’,

‘size’ : 14, }

plt.xlabel(“FPR (False Positive Rate)”, font1)

plt.ylabel(“TPR (True Positive Rate)”, font1)

plt.legend(loc=“lower right”, fontsize=12)

plt.xticks(fontsize=13)

plt.yticks(fontsize=13)

plt.axis([0, 1, 0.70, 1])

plt.title(‘ROC Curve’, font1)

plt.show()

print(‘Done!’)