Mask R-CNN 绘制epoch-loss曲线图

Mask R-CNN 绘制epoch-loss曲线图

  博主研究MaskR-CNN已有一年左右，前段时间工作中需要绘制epoch-loss曲线图，网上对这块的讲解比较少，因此博主在这讲一下，如何绘制训练时的epoch与loss关系图，博主所用的mask r-snn代码为Mask R-CNN源码。由于我自己对代码有些修改，可能行数对不上，但是就在附近，大家找一下就好。
第一步：
  在mrcnn文件夹下mode.py中, 修改一下代码（大概在2360行左右）：

        history = self.keras_model.fit_generator(
            train_generator,
            initial_epoch=self.epoch,
            epochs=epochs,
            steps_per_epoch=self.config.STEPS_PER_EPOCH,
            callbacks=callbacks,
            validation_data=val_generator,
            validation_steps=self.config.VALIDATION_STEPS,
            max_queue_size=100,
            workers=workers,
            use_multiprocessing=True,
        )
        self.epoch = max(self.epoch, epochs)
        try:
            a = history.epoch
            b = history.history['loss']
            c = history.history['val_loss']
            epoch_list.extend(a)
            tra_loss_list.extend(b)
            val_loss_list.extend(c)
        except Exception:
            pass

  在model.py中1820行左右添加以下代码：

epoch_list = []
tra_loss_list = []
val_loss_list = []

  在model.py最后添加如下代码：

def return_value(epoch_loss, tra_loss, val_loss):
    return epoch_loss, tra_loss, val_loss


def call_back():   # 回调loss值
    a, b, c = return_value(epoch_list, tra_loss_list, val_loss_list)
    return a, b, c

第二步：在train代码中添加以下代码（就是在你训练的主代码中）：

def loss_visualize(epoch, tra_loss, val_loss):
    plt.style.use("ggplot")
    plt.figure()
    plt.subplot(1, 1, 1)
    plt.title("Epoch_Loss")
    plt.plot(epoch, tra_loss, label='train_loss', color='r', linestyle='-', marker='o')
    plt.plot(epoch, val_loss, label='val_loss', linestyle='-', color='b', marker='^')
    plt.legend()
    plt.xlabel('epoch')
    plt.ylabel('loss')
    plt.savefig(os.path.join(RESULT_DIR, 'loss.jpg'))
    plt.show()

并用以下代码调用：

    x_epoch, y_tra_loss, y_val_loss = modellib.call_back()
    loss_visualize(x_epoch, y_tra_loss, y_val_loss)

下面附上我画出的曲线图：

  有什么不懂的欢迎大家讨论，最后转载请注明出处，谢谢！