pycharm 如何画损失函数

菜鸟学习日记（一）：画损失函数

找到代码了，但是代码里面没有损失函数图像，自己编一个

一、定义空列表

首先给定义两个列表，训练损失和测试损失

train_loss_plot=[]
test_loss_plot=[]

二、定位损失

原代码模型训练部分：

# 8.模型训练
for epoch in range(config.epochs):
    model.train()
    running_loss = 0
    train_bar = tqdm(train_loader)  # 形成进度条
    for data in train_bar:
        x_train, y_train = data  # 解包迭代器中的X和Y
        optimizer.zero_grad()
        y_train_pred = model(x_train)
        loss = loss_function(y_train_pred, y_train.reshape(-1, 1))
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        train_bar.desc = "train epoch[{}/{}] loss:{:.3f}".format(epoch + 1,
                                                                 config.epochs,
                                                                 loss)
                                                                

找到代码前面定义了一个running_loss，定位到训练损失了。

running_loss = 0

在最下面，和running_loss = 0这一行对齐的地方加一句

#用append函数将损失值添加到列表中
train_loss_plot.append(running_loss)

即

# 8.模型训练
for epoch in range(config.epochs):
    model.train()
    running_loss = 0
    train_bar = tqdm(train_loader)  # 形成进度条
    for data in train_bar:
        x_train, y_train = data  # 解包迭代器中的X和Y
        optimizer.zero_grad()
        y_train_pred = model(x_train)
        loss = loss_function(y_train_pred, y_train.reshape(-1, 1))
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        train_bar.desc = "train epoch[{}/{}] loss:{:.3f}".format(epoch + 1,
                                                                 config.epochs,
                                                                 loss)
    train_loss_plot.append(running_loss)

一定要注意插入位置！！！

验证损失同理

test_loss_plot.append(test_loss.item())

即

# 模型验证
    model.eval()
    test_loss = 0
    with torch.no_grad():
        test_bar = tqdm(test_loader)
        for data in test_bar:
            x_test, y_test = data
            y_test_pred = model(x_test)
            test_loss = loss_function(y_test_pred, y_test.reshape(-1, 1))

    if test_loss < config.best_loss:
        config.best_loss = test_loss
        torch.save(model.state_dict(), save_path)

    test_loss_plot.append(test_loss.item())

三、画图

首先要处理一下数据

#将两个list数据转化为字典
data_loss={"train loss":train_loss_plot,
           "test loss":test_loss_plot}
#将字典转化为数据框           
data_loss=DataFrame(data_loss)
print(data_loss)

data_loss长这样：

然后就开始画图了

#不知道哪个期刊要求的英文要设置time new roman
plt.rc('font',family='Times New Roman')
plt.figure(figsize=(10,5)) #设置窗口大小
#不知道哪个期刊要求的刻度朝内
plt.rcParams['xtick.direction']='in'
plt.rcParams['ytick.direction']='in'
plt.tick_params(top='in', right='in', which='both') # 显示上侧和右侧的刻度
data_loss.iloc[:,0].plot(figsize=(12,6),color='darkorange')
data_loss.iloc[:,1].plot(figsize=(12,6),color='blue')

plt.xlabel("epoch",fontsize=12)
plt.legend(('Train Loss', 'Test Loss'),loc='upper right',fontsize='12')
plt.show()

结果长这样，测试误差太小了，不是一条直线哈

然后改了一下，把损失给标准化了一下，不知道能不能这样搞哈哈哈

#数据标准化
data_loss=scaler_model.fit_transform(data_loss)
data_loss=DataFrame(data_loss)

结果就更清晰了