绘制多个mmdetection的log.json日志文件

import json
import matplotlib.pyplot as plt
import argparse
 
'''
解析参数
'''
parser = argparse.ArgumentParser()
parser.add_argument("--mode", type=str, default='val')
parser.add_argument("--select", type=str, default='AP50')
parser.add_argument("--json_paths", type=str, nargs='+')
parser.add_argument("--line_names", type=str, nargs='+')
parser.add_argument("--out_dir", type=str, default='F:\\fangweijie_weight_file\\retinanet_r50_fpn_1x_voc0712_cocoPretrain_180epoch_lr0.001')
parser.add_argument("--epoch_num", type=int, default=20)
parser.add_argument("--pic_name", type=str,default="result")
args = parser.parse_args()
 
select=args.select
pic_name=args.pic_name
mode = args.mode  # 选择log文件中的模式
json_paths = args.json_paths
line_names = args.line_names
out_dir = args.out_dir
epoch_num = args.epoch_num
 
plt.figure(figsize=(12, 8), dpi=300)
for i, json_path in enumerate(json_paths):
    epoch_now = 0
    x = []  # 存放epoch
    y = []  # 存放指标
    y_min = 1000000  # 存放指标最大值   ap不会超过1  绘制loss可自由更改
    y_max = -1  # 存放指标最小值   ap不会小于-1  绘制loss可自由更改
    x_min = 0  # 出现最小值的epoch
    x_max = 0  # 出现最大值的epoch
    isFirst = True
    with open(json_path, 'r') as f:
        for jsonstr in f.readlines():
            if epoch_now == epoch_num:
                break
            if isFirst:  # mmdetection生成的log  json文件第一行是配置信息  跳过
                isFirst = False
                continue
            row_data = json.loads(jsonstr)
            if row_data['mode'] == mode:  # 选择train或者val模式中的指标数据
                epoch_now = epoch_now + 1
                item_select = float(row_data[select])
                x_select = int(row_data['epoch'])
                x.append(x_select)
                y.append(item_select)
                if item_select >= y_max:  # 选择最大值  为什么不用numpy.argmin呢？  因为epoch可能不从1开始  xmin和ymin可能匹配错误  比较麻烦
                    y_max = item_select
                    x_max = x_select
                if item_select <= y_min:  # 选择最大值
                    y_min = item_select
                    x_min = x_select
 
    plt.grid(True, linestyle='--', alpha=0.5)
    plt.plot(x, y, label=line_names[i])
    plt.plot(x_min, y_min, 'g-p', x_max, y_max, 'r-p')
    show_min = '[' + str(x_min) + ' , ' + str(y_min) + ']'
    show_max = '[' + str(x_max) + ' , ' + str(y_max) + ']'
    plt.annotate(show_min, xy=(x_min, y_min), xytext=(x_min, y_min))
    plt.annotate(show_max, xy=(x_max, y_max), xytext=(x_max, y_max))
 
plt.xlabel('epoch')
plt.legend()
plt.ylabel(select)
 
# plt.ylim(0.8, 1.0)  # 设置y轴坐标范围
 
 
plt.savefig(args.out_dir + '/' + pic_name + '.jpg', dpi=300)

运行命令

python [visual_log.py文件位置] [--mode train或val模式] [--select 绘制的指标名称] [--json_paths log.json文件位置] [--line_names 绘制曲线的名称] [--out_dir 图片保存的父文件夹] [--epoch_num 绘制的世代数] [--pic_name 图片名称]