1.首先建立一个文件plot_loss,然后将以下三个文件放在该文件夹下
1.caffe/tools/extra/parse_log.sh 2 caffe/tools/extra/extract_seconds.py 3 caffe/tools/extra/plot_training_log.py.example
2.切换到caffe,打开终端命令,输入 sh examples/mnist/train_lenet.sh >& 1.log
其中,‘>&’表示所有的标准输出(stdout)和标准错误输出(stderr)都将被重定向到‘1.log’文件中,最后的&表示将命令放入后台执行。
完成后在caff'e文件夹下会看到1.log文件
3.将1.log文件复制到plot文件夹下,在该文件夹下打开终端命令,输入./parse_log.sh 1.log执行后会该文件夹下出现1.log.test和1.log.train两个文件
4.画曲线,输入命令/plot_training_log.py.example 0 test.png '/home/wuqingqing/data/plot_loss/1.log'
可以直接将1.log拖入到终端命令框中就可以形成。
参数说明
命令中的0表示是曲线类型,将plot_training_log.py.example更名为plot_
其中,‘>&’表示所有的标准输出(stdout)和标准错误输出(stderr)都将被重定向到‘1.log’文件中,最后的&表示将命令放入后台执行。
完成后在caff'e文件夹下会看到1.log文件
3.将1.log文件复制到plot文件夹下,在该文件夹下打开终端命令,输入./parse_log.sh 1.log执行后会该文件夹下出现1.log.test和1.log.train两个文件
4.画曲线,输入命令/plot_training_log.py.example 0 test.png '/home/wuqingqing/data/plot_loss/1.log'
可以直接将1.log拖入到终端命令框中就可以形成。
参数说明
命令中的0表示是曲线类型,将plot_training_log.py.example更名为plot_