caffe学习 绘制loss和accuracy

本文在LeNet5结构的基础上通过不断调整学习速率和权衰量来训练自己的汉字数据集

caffe的Python接口安装成功后，安装jupyter：

sudo pip install jupyter

安装成功后，运行。运行命令：

jupyter notebook

运行后会在网页中出现如下界面：

点击页面右上角下的New--Python 2

输入如下代码：

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import sys,os,caffe
#设置当前目录
caffe_root = '/home/lrj/Caffe/caffe-master/'
sys.path.insert(0, caffe_root + 'python')
os.chdir(caffe_root)

#设置为cpu模式

caffe.set_mode_cpu()
solver = caffe.SGDSolver('examples/hanzi/mylenet_solver.prototxt')

按shift+enter键（运行当前代码并跳到下以输入）

niter =800
test_interval = 20
train_loss = np.zeros(niter)
test_acc = np.zeros(int(np.ceil(niter / test_interval)))

# the main solver loop
for it in range(niter):
    solver.step(1)  # SGD by Caffe
    
    # store the train loss  小写.net  我不知道为什么显示的为大写
    train_loss[it] = solver.net.blobs['loss'].data  
    solver.test_nets[0].forward(start='conv1')
    
    if it % test_interval == 0:
        acc=solver.test_nets[0].blobs['accuracy'].data
        print 'Iteration', it, 'testing...','accuracy:',acc
        test_acc[it // test_interval] = acc

按shift+enter键

此时，开始开始迭代计算

然后输入：

print test_acc
_, ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.plot(np.arange(niter), train_loss)
ax2.plot(test_interval * np.arange(len(test_acc)), test_acc, 'r')
ax1.set_xlabel('iteration')
ax1.set_ylabel('train loss')
ax2.set_ylabel('test accuracy')

按shift+enter键运行即可得到曲线