（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

matplotlib库是一个非常强大的绘图工具，其可以完成python中多种二维或三维图表的绘制，而在深度学习中，我们也经常会看到它的身影。今天给大家分享一下如何利用matplotlib库中的pyplot模块绘制神经网络模型训练与测试后的准确率、损失值曲线图。

1、pyplot.plot() 函数基本参数解析

1.1 使用方式

pyplot.plot() 函数在导入相关包后可简写为plt.plot()，其完整使用方式如下所示：

plt.plot(x, y, format_string, **kwargs)

1.2 参数介绍

（1）x，y：x轴与y轴数据值，列表或数组形式

（2）format_string：可选参数，控制曲线的格式字符串，包括以下内容：

      （2.1）ls：折线图的线条风格；

        折线图线条风格包括颜色和线条样式的改变，包括但不限于以下内容：

        线条样式：

    1、‘-’：实线样式
    2、‘--’：短横线样式
    3、‘-.’：点划线样式
    4、‘:’：虚线样式
    5、‘.’：点标记
    6、‘o’：圆标记
    7、‘V’：倒三角标记
    8、‘^’：正三角标记
    9、‘<’：左三角标记
    10、‘>’：右三角表示
    11、‘1’：下箭头标记
    12、‘2’：上箭头标记
    13、‘3’：左箭头标记
    14、‘4’：右箭头标记

        颜色样式： 

    1、‘b’ ：蓝色
    2、‘c’： 青绿色
    3、‘g’： 绿色
    4、‘k’ ：黑色
    5、‘m’：洋红色
    6、‘r’： 红色
    7、‘w’：白色
    8、‘y’： 黄色

      （2.2）lw：折线图的线条宽度；

      （2.3）label：标记图形内容的标签文本；

      （2.4）alpha：透明度

（3）**kwargs：第二组或更多(x,y,format_string)，用于绘制多条曲线

---

2、使用plt.plot() 函数绘制神经网络模型准确率和损失值曲线图

先放代码：

import numpy as np
from matplotlib import pyplot as plt

# 定义两个空列表，用于存储损失值loss和准确率acc
Loss_list = []
Acc_list = []
# 将每次训练后的准确率或损失值存入列表中
Loss_list.append(f'{train_loss / (len(train_dataset)):.2f}')
Acc_list.append(f'{100 * train_acc / (len(train_dataset)):.2f}')

# 对存入列表中的数据进行强制类型转换（转换的类型大家自选，这里是float）
for i in range(0, len(Loss_list)):
    Loss_list[i] = float(Loss_list[i])
    Acc_list[i] = float(Acc_list[i])

# x轴数据的取值范围（训练多少次就填多少）
x1 = range(0, 30)
x2 = range(0, 30)
y1 = Acc_list
y2 = Loss_list

# 用于显示中文字符
# plt.rcParams['font.sans-serif'] = ['SimHei']
# plt.rcParams['axes.unicode_minus'] = False

# acc图像
plt.subplot(2, 1, 1)
plt.plot(x1, y1, 'o-')
plt.title('model accuracy')
plt.ylabel('accuracy unit:%')
my_yTicks1 = np.arange(60, 100, 10)
plt.yticks(my_yTicks1)
# loss图像
plt.subplot(2, 1, 2)
plt.plot(x2, y2, '.-')
plt.xlabel('model loss')
plt.ylabel('loss')
my_yTicks2 = np.arange(0.02, 0.2, 0.02)
plt.yticks(my_yTicks2)

plt.savefig("accuracy_loss.jpg")
plt.show()

代码中的注释对应着每一步绘图的步骤，因此这里只对上述绘图函数中的详细操作进行下解释

（1）plt.subplot(2,1,1) 与 plt.subplot(2,1,2)：前面两个数字意为将整个图像窗口分为2行1列, 最后一个数字是对图像的编号（这里绘制了两个曲线图，其中acc曲线图编号为1，loss曲线图编号为2）。如果不进行编号，那么acc与loss的两条数据曲线将会处于一个曲线图上。

（2）my_yTicks1 = np.arange(60, 100, 10) 这句代码是取10个区间在[60, 100]的值，且每个值的取值间隔为10, 即取得的值为60，70......。plt.yticks(my_yTicks1)则是将my_yTicks1中的数据作为曲线图的y轴刻度值。

（3）matplotlib库绘制图表时不能含有中文，如果大家绘制的图表有中文需求，就需要加入下面两句代码

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

注意点：plt.savefig("accuracy_loss.jpg") 这句代码必须位于 plt.show() 的前面，前一句代码用于保存绘制的曲线图，后一句代码则是展示曲线图，若两句代码顺序错乱，则图表的保存不会达到理想效果。这是因为plt.show()在展示绘制的曲线图时，进程也会被暂停，关闭展示后会创建一个新的空白图片，这时候再使用 plt.savefig() 保存的则为新生成的空白图片。

这里对上次的水稻病害识别模型训练了10轮，绘制了相关acc与loss曲线图，如下所示：

可以看到其实模型还未完全收敛，还可以训练几轮哈（但是博主懒得跑了），水稻病害识别的代码与文章链接：（深度学习）基于残差卷积——resnet的水稻病害识别-CSDN博客

 参考文章：

（1）Python可视化——matplotlib.pyplot绘图的基本参数详解-CSDN博客

（2）PyTorch绘制训练过程的accuracy和loss曲线-CSDN博客