如何绘制caffe网络训练曲线

最新推荐文章于 2023-11-17 23:08:20 发布

yhl_leo

最新推荐文章于 2023-11-17 23:08:20 发布

阅读量8k

点赞数 6

分类专栏：深度学习 Python 文章标签：训练曲线 caffe python

本文链接：https://blog.csdn.net/YhL_Leo/article/details/51774966

版权

本文介绍了如何从Caffe的训练日志中提取数据，并使用Python绘制训练和测试损失及精度的曲线。通过分析日志文件中的关键字段，可以获取迭代次数、训练与测试损失、测试精度等信息，进而绘制出详细的训练曲线图。

摘要由CSDN通过智能技术生成

本系列文章由 @yhl_leo 出品，转载请注明出处。
文章链接： http://blog.csdn.net/yhl_leo/article/details/51774966

当我们设计好网络结构后，在神经网络训练的过程中，迭代输出的log信息中，一般包括，迭代次数，训练损失代价，测试损失代价，测试精度等。本文提供一段示例，简单讲述如何绘制训练曲线（training curve）。

首先看一段训练的log输出，网络结构参数的那段忽略，直接跳到训练迭代阶段：

I0627 21:30:06.004370 15558 solver.cpp:242] Iteration 0, loss = 21.6953
I0627 21:30:06.004420 15558 solver.cpp:258]     Train net output #0: loss = 21.6953 (* 1 = 21.6953 loss)
I0627 21:30:06.004426 15558 solver.cpp:571] Iteration 0, lr = 0.01
I0627 21:30:28.592690 15558 solver.cpp:242] Iteration 100, loss = 13.6593
I0627 21:30:28.592730 15558 solver.cpp:258]     Train net output #0: loss = 13.6593 (* 1 = 13.6593 loss)
I0627 21:30:28.592733 15558 solver.cpp:571] Iteration 100, lr = 0.01

...

I0627 21:37:47.926597 15558 solver.cpp:346] Iteration 2000, Testing net (#0)