深度学习：可视化-结果loss acc可视化及测试数据显示

最新推荐文章于 2024-09-19 10:45:00 发布

盏云

最新推荐文章于 2024-09-19 10:45:00 发布

阅读量1.1w

点赞数 7

分类专栏： pytorch深度学习案例代码总结文章标签： python 深度学习 pytorch

本文链接：https://blog.csdn.net/zhe470719/article/details/120610934

版权

该博客详细介绍了在深度学习模型训练过程中如何进行损失和准确率的可视化，包括交通指示牌识别案例中利用history数组记录训练历史，以及绘制loss和accuracy曲线的方法。此外，还展示了测试结果的可视化，如猫狗分类模型的预测结果，并讲解了如何保存和生成GAN模型的训练损失曲线及真实与生成图片的对比。

摘要由CSDN通过智能技术生成

1.可视化train，test的loss acc

1.1 案例：交通指示牌识别案例-history数组

代码地址：E:\项目例程\猫狗分类\迁移学习\猫狗_resnet18_2 \猫狗分类_迁移学习可视化

导入库

 from collections import defaultdict

训练函数中构建一个默认value为list的字典

history = defaultdict(list)  # 构建一个默认value为list的字典

训练函数中保存train_loss,train_acc,test_loss,test_acc结果

history['train_acc'].append(train_accuracy)
        history['train_loss'].append(train_loss)
        history['val_acc'].append(val_accuracy)
        history['val_loss'].append(val_loss)

训练函数返回

return model, history

训练模型调用时

# 调用训练函数训练
model_conv, history = train_model(
    model_conv,
    criterion,
    optimizer_conv,
    exp_lr_scheduler,
    num_epochs=30
)

绘制函数两张图，每个图两个曲线，写法固定
注意：若运行不出图，则加plt.show()

# 绘制 loss, acc  写法固定：两张表
def plot_training_history(history):
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(18, 6))
    ax1.plot(history['train_loss'], label='train loss')
    ax1.plot(history['val_loss'], label='val loss')

    ax1.set_ylim([-0.05, 1.05])
    ax1.legend()
    ax1.set_ylabel('Loss')
    ax1.set_xlabel('Epoch')

    ax2.plot(history['train_acc'], label='train acc')
    ax2.plot(history['val_acc'], label='val acc'