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!’)
1.2 PR曲线的绘制
1.载入.npy文件;pred_images.npy文件是UNet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)
precision, recall, thresholds = precision_recall_curve(gt, pred)
precision = np.fliplr([precision])[0] # so the array is increasing (you won’t get negative AUC)
recall = np.fliplr([recall])[0] # so the array is increasing (you won’t get negative AUC)
AUC_prec_rec = np.trapz(precision, recall)
plt.plot(recall, precision, ‘-’, label=‘UNet (area = %.4f)’ % AUC_prec_rec, color=‘blue’)
font1 = {
‘weight’ : ‘normal’,
‘size’ : 14, }
plt.title(‘Precision Recall Curve’, font1)
plt.xlabel(“Recall”, font1)
plt.ylabel(“Precision”, font1)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.legend(loc=“lower left”, fontsize=8)
plt.axis([0.2, 0.9, 0.7, 1])
plt.show()
a = np.random.randn(5)
x_list = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’]
fig = plt.figure()
plt.plot(x_list, a, marker=‘o’, markersize=3)
for a, b in zip(x_list, a):
plt.text(a, b, b, ha=‘center’, va=‘top’, fontsize=8)
plt.legend([‘line’])
plt.show()
data_list = []
a = np.random.randn(10)
b = np.random.randn(10)
c = np.random.randn(10)
d = np.random.randn(10)
e = np.random.randn(10)
data_list.append(a)
data_list.append(b)
data_list.append©
data_list.append(d)
data_list.append(e)
fig = plt.figure()
plt.boxplot(data_list, notch=False, vert=True, meanline=True, showmeans=True, sym=None)
plt.xticks([data+1 for data in range(len(data_list))], [‘a’, ‘b’, ‘c’, ‘d’, ‘e’])
plt.plot()
plt.show()
绘制损失变化图需要使用Visdom,相关visdom库得内容可以参考Visdom。
- 导入Visdom及相关工具包
最后
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长,自己不成体系的自学效果低效漫长且无助。
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,不论你是刚入门Android开发的新手,还是希望在技术上不断提升的资深开发者,这些资料都将为你打开新的学习之门!
如果你觉得这些内容对你有帮助,需要这份全套学习资料的朋友可以戳我获取!!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
5%以上Java开发知识点,不论你是刚入门Android开发的新手,还是希望在技术上不断提升的资深开发者,这些资料都将为你打开新的学习之门!**
如果你觉得这些内容对你有帮助,需要这份全套学习资料的朋友可以戳我获取!!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!