SSD LOSS-train interation 可视化

最新推荐文章于 2022-06-09 18:07:35 发布
最新推荐文章于 2022-06-09 18:07:35 发布
阅读量591 收藏
点赞数 1
分类专栏： caffe环境搭建 文章标签： ssd loss
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_43317842/article/details/88717250
版权

https://blog.csdn.net/CAU_Ayao/article/details/84502826 参考此博主

在用caffe-ssd/examples/ssd/ssd_pascal.py训练完后，会生成训练日志，接下来，我们将其转换为图片

查看该日志
cd jobs/VGGNet/VOC0712/SSD_300x300 (caffe 根目录下)

在这里插入图片描述

VGG_fire_testSSD_300x300.log文件便是本次的日志

接下来将其分析出来：进入$caffe-ssd_root/tools/extra
执行：
./parse_log.sh /jobs/VGGNet/VOC0712/SSD_300x300/VGG_VOC0712_SSD_300x300.log

在这里插入图片描述
生成两个新文件

接着，再在extra目录下执行：
cp plot_log.gnuplot.example plot_log.gnuplot

打开该文件，修改：
在这里插入图片描述
plot “你的日志名称” using 1:3 title “你的名称”

接下来：
gnuplot plot_log.gnuplot （生成图片）

根据需要，自行修改～

ff哟
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
一步一步带你训练自己的SSD检测算法
01-06
目录一、前言二、实现细节1、前提条件2、数据标注2.1 Labelme2.1.1 工具特点简介2.1.2 工具安装2.1.3 工具使用简介2.2 LabelImg2.2.1 工具安装2.2.2 工具使用简介3、标签预处理3.1 PASCAL VOC数据集格式详解3.2 构造新的PASCAL VOC数据集3.3 COCO数据集格式详解3.4 构造新的COCO数据集4、搭建SSD运行环境5、修改代码训练网络5.1 代码架构详解5.2 修改网络配置参数5.3 修改VOC类别参数5.4 下载模型5.5 训练模型5.6 Loss和Accuracy可视化5.7 模型测试和效果分析6、SSD性能改进7、Py
ssd评估程序eval_ssd_network.py执行错误：OP_REQUIRES failed at save_restore_tensor.cc:170
huachuchengzhang的博客
03-12 2492
# =========================================================================== # # Training | Evaluation flags: # =========================================================================== # {'batch_s...
Loss数据可视化（txt文件预处理）
weixin_44609769的博客
06-09 3261
生成式对抗网络训练时，可以通过代码，将训练过程中的loss值记录下来，代码如下： 那么我们会得到一个txt文件，里面的文字格式会如下： 这可以在txt文件中直观看到我们训练过程的loss值变化情况，但是，当我们需要将txt中的数据可视化为曲线图时，txt文件的文字格式要求就要变为： 那么就需要使用到如下代码，例如将“/”替换为空格：............
【TensorFlow学习笔记】3：认识TensorBoard可视化计算图和计算结点
LauZyHou的笔记
12-17 808
学习《深度学习之TensorFlow》时的一些实践。 TensorBoard是一个日志展示系统，在Session中使用tf.summary中的API将日志保存在日志文件中，然后通过TensorBoard服务在浏览器中就可以读取这些日志，查看图形化后的信息。 对线性回归做可视化 上篇的线性回归，这里对预测值Z和损失cost两个计算结点分别用直方图和标量形式可视化。而计算图默认就会显示，无需设置。 ...
【pytorch-ssd目标检测】训练自己的模型（三）-测试模型的精度
abysswatcher1的博客
01-31 1751
训练数据集 https://blog.csdn.net/abysswatcher1/article/details/113463551 修改部分 首先对eval.py中的代码进行修改： 1.导入部分注释掉VOC和COCO，改为自己的数据集。 2.第一个在parser.add_argumen中，将路径改为之前训练好的模型的路径。 parser.add_argument('--trained_model', default='C:/Users/25345/Desktop/
【DenseFusion代码详解】测试过程eval_linemod.py
weixin_44564705的博客
06-05 1025
该部分是对LineMod数据集训练结束之后的模型进行评估，代码位置在tools/eval_linemod.py训练部分包括train和test，评估过程是eval，eval和test的不同之处，浅浅理解就是test过程还是会改变权值，但eval固定权值不变。 首先是在.sh文件中可以设置的变量，有数据集路径、保存的训练好的PoseNet模型，保存的训练好的PoseRefineNet模型。 然后设置物体类别数、类别编号列表、点云数、refine过程的循环次数、批量大小、数据集config文件路径、输出
SSD使用笔记——曲线可视化
Gotta-C的博客
05-06 2507
1. 用plot_training_log.py.example做可视化修改一下 ./tools/extra/plot_training_log.py.example#!/usr/bin/env python #coding=utf-8 import inspect import os import random import sys import matplotlib.cm as cmx imp...
pysot-toolkit--eval.py笔记（读取算法结果，根据评价指标计算结果并可视化）
My_Communication的博客
08-22 1621
pysot toolkit 的eval文件 目前pysot toolkit与pysot的eval不同之处在于是否有VOT2019等最新的数据集评价程序。 包含的数据有： OTB系列 VOT2016, 2018（2017）短时序列 VOT2018-LT NFS UAV LaSOT import os import sys import time import argparse import functools sys.path.append("./") sys.path.append("C:/Users/
目标检测(1)--SSD(Single shot multibox detection) pytorch版本调试
Felaim的博客
07-26 1250
代码准备 代码下载地址： https://github.com/amdegroot/ssd.pytorch 接下来按照README进行安装，LZ发现真的代码写的好的人，README写的清晰有条理，有些包括LZ在内，都没有养成规范书写 README文档，这个LZ会再接再厉的。 1. 环境要求： 主要是依赖PyTorch，使用的是Python3+，这个小伙伴就自己配置吧！ 2. 训练可视化 第二步是训...
【如何有效降低unet网络在训练过程中的loss/train】
yym33的博客
06-03 2487
如何有效降低unet网络在训练中的loss值
训练结果记录
sinat_37196107的博客
12-01 514
训练结果记录train_dataset:day&night Time step learning_rate Loss mAP_car mAP_car_night mAP_person 2017.12.4 100000 0.008 - 0.5790 0.5478 0.1130 2017.12.4 200000 0.008 - 0
《Human-Computer Interaction》
04-11
Alan Dix：《Human-Computer Interaction》，Pearson，2014.
Experimental study of needle-tissue interaction forces.pdf
07-08
Experimental study of needle-tissue interaction forces: effect of needle geometries, insertion methods and tissue characteristics. it used to study the needle insertion force and the influence of ...
phonegap-plugin-DocumentInteraction:DocumentInteraction phonegap插件
05-16
phonegap-plugin-DocumentInteraction phonegap插件平台类的iOS使用插件打开 DocumentInteraction . openIn ( "sample" , "pdf" , function ( msg ) { console . log ( msg ) ;} ) ;选项菜单 DocumentInteraction . ...
Electron-phonon interaction in nanostructures
02-16
纳米固体中的电子-声子相互作用，孙长庆，L. K. Pan，Correlation between the size-enhanced Stokes shift and the size-enlarged band-gap expansion of porous silicon has been derived, which allows us to ...
Auto Hand-3.2 - VR Physics Interaction
02-20
Auto Hand-3.2 - VR Physics Interaction 测试可用
ssd-caffe 可视化loss与accuracy曲线
qq_40806289的博客
05-13 657
将SSD训练过程中生成的日志文件可视化（以VOC训练为例） 1、默认caffe_root为caffe 在/caffe/jobs/VGGNet/VOC0712/SSD_300x300文件夹中会有VGG_VOC0712_SSD_300x300.log文件。 我们利用这个文件绘制训练过程中的loss与accuracy曲线。 2、使用caffe/tools/extra中自带日志分析工具 caff...
通过SSD训练出来的的log日志，利用python绘制loss曲线
大雷哥
01-03 1822
利用SSD目标检测算法训练我们的数据集时，将训练结果保存在log文件中。 我的log文件如下 然后利用python脚本文件将我们需要的数据提取出来，也就是iteration，loss,(或者时epoch,loss).我的脚本文件如下： import matplotlib.pyplot as plt import numpy as np import pylab as pl from mpl_toolkits.axes_grid1.inset_locator import inset_axes line =
目标检测(五)：用个人数据集实现SSD-Pytorch的训练与预测
weixin_41936775的博客
05-06 4313
简记步骤0：环境step0：环境配置步骤1：数据集转换step1: 用 `voc2ssd.py` 生成索引文件step2：用 `voc_annotation.py` 生成用于训练的文件步骤2：训练网络step3：修改 `config.py` 文件step4：运行 `train.py` 文件步骤3：预测step5：修改根目录下 `ssd.py` 文件step6：修改nets目录下 `ssd.py` 文件step7：运行 `predict.py` 文件踩坑 步骤0：环境 因为电脑配置比较差（NVIDIA Gef
matlab fluid-solid interaction
最新发布
08-23
Matlab可以用于进行流固耦合计算。流固耦合计算是将计算流体力学（CFD）和计算固体力学（CSM）相结合，用于计算固体在流体作用下的应力应变以及流体在固体变形影响下的流场变化 [1]。从耦合松紧程度来说，流固耦合...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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