loss曲线 pytorch_PyTorch绘制训练过程的accuracy和loss曲线

最新推荐文章于 2024-05-19 15:58:17 发布
最新推荐文章于 2024-05-19 15:58:17 发布
阅读量2.7k 收藏 12
点赞数
文章标签： loss曲线 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_36473855/article/details/112844745
版权

PyTorch绘制训练过程的accuracy和loss曲线

PyTorch绘制训练过程的accuracy和loss曲线

原文链接：https://blog.csdn.net/tequilaro/article/details/81841748?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1

PyTorch、Caffe绘制训练过程的accuracy和loss曲线

衡量模型的好坏其实最重要的看的就是准确率与损失率，所以将其进行可视化是一个非常重要的一步。这样就可以直观明了的看出模型训练过程中准确率以及损失率的变化。

因为博主一直是在caffe和pytorch进行深度学习研究的，之前查了相关资料发现caffe有相关的绘制方法，但是pytorch并没有找到，所以在这里进行总结。

Caffe

因为之前看到过有相关博主分享过类似的文章，所以直接附链接。

caffe绘制训练过程的loss和accuracy曲线

按照博主的分享我将自己的模型的准确率以及损失率进行了绘制，如下图所示

PyTorch

我这里主要分享pytorch的绘制方法。

主要思想就是首先要定义两个数组，然后将每次迭代时模型的准确率和损失率传入到数组中，这里可以利用拼接函数进行拼接。然后在利用绘制图像的函数将其绘制。

#定义两个数组

最低0.47元/天 解锁文章
这是eno
关注
  • 0
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pytorch练习–绘制Loss曲线
12-21
绘制Loss曲线 b站课程链接：https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 import绘制曲线的库和numpy库 import numpy as np import matplotlib.pyplot as plt # 画图库 设置数据 x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] 定义模型 def forward(x): return x * w 定义Loss函数 def loss(x, y): y_pred = forward(x) return (y_pred
pytorch查看loss曲线_Pytorch初体验
weixin_28885435的博客
12-07 1930
安装安装Pytorch可以根据官网上的指令进行，但是现在稳定版本是1.5的默认没有CUDA10.0的版本，只有选择安装之前的版本，点击Get Start下面的Previous versions of PyTorch进去。由于我电脑上切换了清华源，选择Wheel的形式安装，找到安装torch==1.2+cuda10.0的指令，在清华源上下载几分钟就安装好了，也可选择其他CUDA版本以及torch版本...
【模型训练】loss和accuracy变化的调整方向
最新发布
shuaixio的博客
05-19 1626
模型训练过程中，训练集和验证集或测试集的loss和accurancy不同的变化，可能是什么原因，以及如何调整等
【学习】loss图和accuracy
盖丽男
08-18 6104
loss曲线能够反映网络训练的动态趋势，通过观察loss曲线，可以得到模型是否收敛、是否过拟合等信息。
Python绘制loss曲线、准确率曲线
热门推荐
WYKB_Mr_Q的博客
07-07 5万+
使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制我们首先要得到训练时的数据，以损失值为例，网络每迭代一次都会产生相应的 loss，那么我们就把每一次的损失值都存储下来，存储到列表，保存到 .txt 文件中。保存的文件如下图所示： 上图为部分损失值，根据迭代次数而异，要是迭
pytorch绘制loss和accuracy曲线
t18438605018的博客
12-13 2万+
1.前言 pytorch虽然使用起来很方便，但在一点上并没有tensorflow方便，就是绘制模型训练时在训练集和验证集上的loss和accuracy曲线（共四条）。tensorflow模型训练时，每次epoch的模型，以及在训练集和验证集上的loss和acc都保存在一个对象中，当我们要绘制四条曲线时，直接从对象中取值即可。 2.Loss曲线 Loss_list = [] #存储每次epoch损失值 def draw_loss(Loss_list,epoch): # 我这里迭代了200次，所以x的
（学习笔记）使用pytorch复现AlexNet网络识别minst数据集并绘制loss，PR，ROC曲线
skeete的博客
05-07 2133
本文主要是对个人学习过程的一个记录，采用pytorch复现Alexnet网络实现对minist数据集的识别
pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率
09-18
在PyTorch中，训练深度学习模型时，记录并可视化损失(loss)曲线和准确率(acc)曲线对于理解和优化模型性能至关重要。本篇文章将介绍如何利用PyTorch和TensorboardX来绘制这些曲线，并以LeNet5为例展示图像分类任务的...
分割-Unet+Pytorch实现训练自定义数据集-算法训练-优质项目实战.zip
02-19
在训练过程中，使用训练集进行前向传播、计算损失、反向传播和参数更新。同时，也要用验证集定期评估模型性能，防止过拟合。 **8. 模型评估与可视化** 评估指标通常包括IoU（Intersection over Union）和Pixel ...
使用pytorch写VGG代码，详细注释，可以生成训练集和测试集的损失和准确率的折线图，详细注释了神经网络的搭建过程
05-01
在训练过程中，我们需要定义损失函数（如交叉熵损失）和优化器（如SGD）。同时，为了可视化损失和准确率，我们可以使用`torch.utils.tensorboard`或`matplotlib`库来绘制图表： ```python import torch.optim as ...
使用pytorch写的Resnet代码，详细注释，可以生成训练集和测试集的损失和准确率的折线图
05-01
9. **Loss and Accuracy Plotting**：代码中提到可以生成训练集和测试集的损失和准确率的折线图，这通常通过在每个epoch后记录损失和准确率，并使用matplotlib或seaborn等可视化库绘制。 10. **Data Augmentation**...
pytorch绘制loss曲线
weixin_42591413的博客
02-15 698
PyTorch 可以通过 Matplotlib 库绘制 loss 曲线，具体实现方法如下： 导入 Matplotlib 库： import matplotlib.pyplot as plt
TensorFlow和PyTorch框架绘制loss和accuracy曲线
t18438605018的博客
03-17 2万+
文章目录1.前言2.TensorFlow框架绘制loss和accuracy曲线3.PyTorch框架绘制loss和accuracy曲线4.pytorch中使用tensorboard绘制Accuracy/Loss曲线 1.前言 搞深度学习时，我们一般会遇到一个问题，评估模型的性能：这时，一般会绘制模型在训练集 & 验证集上的准确率值和损失值曲线。 在这一点上TensorFlow框架比PyTorch框架方便，因为TensorFlow框架在训练模型时，把模型、训练集和验证集上的accuracy和loss都
（Python可视化）使用matplotlib.pyplot绘制神经网络模型的acc(准确率)和loss(损失值)曲线图
weixin_64388392的博客
11-17 1万+
plt.plot()函数基本参数解析，使用matplotlib.pyplot绘制神经网络模型的acc(准确率)和loss(损失值)曲线图
pytorch查看loss曲线_基于TensorBoard的Pytorch训练可视化 (Loss曲线和weights分布)
weixin_27977279的博客
02-04 2019
Pytorch训练可视化(TensorboardX)PyTorch 番外篇：Pytorch 中的 TensorBoard(TensorBoard in PyTorch)TensorBoard 相关资料TensorBoard 是 Tensorflow 官方推出的可视化工具。官方介绍TensorBoard: Visualizing LearningTensorBoard 实践介绍(2017 年 Ten...
pytorch学习之如何画损失函数曲线图
骊山道童的博客
04-01 2万+
解决如何画损失函数曲线的问题，可能可以帮到您。 import matplotlib.pyplot as plt plt.switch_backend('Agg') #训练时列表，将loss值存入列表中即可，例如列表Recon_loss，Discriminator_loss...，然后将列表替换train_recon_loss即可。 plt.figure() plt.plot(train_recon_loss,'b',label = 'Recon_loss') plt.ylabe
绘制loss和accuracy曲线
听笙
01-27 1万+
JLU-IPVR 听笙 做过训练的同学们都知道，我们很关注训练过程中loss和accuracy这两个参数值的变化，loss值不断减小，证明它正在趋于收敛，accuracy值不断增加，证明它的准确率在不断提升，这都是我们想看到的，实际上我们也希望能够直观的看到他们的变化趋势。这篇文章讲解的就是如何将loss和accuracy的变化曲线描绘出来。 在训练过程中我们会发现有这样一些东西： 这
收藏 | PyTorch模型训练特征图可视化（TensorboardX）
机器学习算法那些事
11-09 3302
仅作学术分享，不代表本公众号立场，侵权联系删除转载于：作者丨Pascal@知乎来源丨https://www.zhihu.com/people/pascal_cs/posts0、前言本文所...
pytorch中训练模型时怎么绘制loss曲线和acc曲线
06-07
在PyTorch中训练模型时，可以使用TensorBoard或Matplotlib来绘制损失曲线和准确率曲线。 ## 使用TensorBoard绘制曲线 TensorBoard是一个用于可视化机器学习实验结果的工具，可以用来展示训练过程中的损失曲线和准确率曲线。以下是一个简单的示例代码，展示如何在PyTorch中使用TensorBoard来记录和可视化训练过程中的损失和准确率： ```python from torch.utils.tensorboard import SummaryWriter # 创建一个SummaryWriter对象，参数log_dir指定TensorBoard日志的存储路径 writer = SummaryWriter(log_dir='logs') for epoch in range(num_epochs): # ... # 记录训练损失和准确率 writer.add_scalar('Train/Loss', train_loss, global_step=epoch) writer.add_scalar('Train/Accuracy', train_acc, global_step=epoch) # 记录验证损失和准确率 writer.add_scalar('Val/Loss', val_loss, global_step=epoch) writer.add_scalar('Val/Accuracy', val_acc, global_step=epoch) # 关闭SummaryWriter对象 writer.close() ``` 在上面的示例代码中，首先需要创建一个`SummaryWriter`对象，并指定TensorBoard日志的存储路径。然后在每个epoch结束时，使用`add_scalar`方法记录训练损失、训练准确率、验证损失和验证准确率。最后，在训练过程结束时，需要调用`close`方法关闭`SummaryWriter`对象。 ## 使用Matplotlib绘制曲线 除了使用TensorBoard，还可以使用Matplotlib来绘制损失曲线和准确率曲线。以下是一个简单的示例代码，展示如何在PyTorch中使用Matplotlib来绘制损失曲线和准确率曲线： ```python import matplotlib.pyplot as plt train_losses = [] train_accs = [] val_losses = [] val_accs = [] for epoch in range(num_epochs): # ... # 记录训练损失和准确率 train_losses.append(train_loss) train_accs.append(train_acc) # 记录验证损失和准确率 val_losses.append(val_loss) val_accs.append(val_acc) # 绘制训练和验证损失曲线 plt.plot(train_losses, label='Train Loss') plt.plot(val_losses, label='Val Loss') plt.legend() plt.xlabel('Epoch') plt.ylabel('Loss') plt.show() # 绘制训练和验证准确率曲线 plt.plot(train_accs, label='Train Acc') plt.plot(val_accs, label='Val Acc') plt.legend() plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.show() ``` 在上面的示例代码中，首先定义了四个空列表来存储训练和验证过程中的损失和准确率。在每个epoch结束时，将训练和验证的损失和准确率记录到对应的列表中。最后，使用Matplotlib库绘制训练和验证损失曲线、训练和验证准确率曲线。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值