caffe的python接口繪制loss和accuracy曲線

更新時(shí)間：2022年06月29日 14:47:24 作者：denny402

這篇文章主要為大家介紹了caffe的python接口繪制loss和accuracy曲線示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

引言

使用python接口來(lái)運(yùn)行caffe程序，主要的原因是python非常容易可視化。所以不推薦大家在命令行下面運(yùn)行python程序。如果非要在命令行下面運(yùn)行，還不如直接用 c++算了。

推薦使用jupyter notebook，spyder等工具來(lái)運(yùn)行python代碼，這樣才和它的可視化完美結(jié)合起來(lái)。

anaconda庫(kù)

因?yàn)槲沂怯胊naconda來(lái)安裝一系列python第三方庫(kù)的，所以我使用的是spyder,與matlab界面類似的一款編輯器，在運(yùn)行過(guò)程中，可以查看各變量的值，便于理解，如下圖：

只要安裝了anaconda，運(yùn)行方式也非常方便，直接在終端輸入spyder命令就可以了。

python接口實(shí)現(xiàn)

在caffe的訓(xùn)練過(guò)程中，我們?nèi)绻胫滥硞€(gè)階段的loss值和accuracy值，并用圖表畫(huà)出來(lái)，用python接口就對(duì)了。

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 19 16:22:22 2016
@author: root
"""
import matplotlib.pyplot as plt  
import caffe   
caffe.set_device(0)  
caffe.set_mode_gpu()   
# 使用SGDSolver，即隨機(jī)梯度下降算法  
solver = caffe.SGDSolver('/home/xxx/mnist/solver.prototxt')  
# 等價(jià)于solver文件中的max_iter，即最大解算次數(shù)  
niter = 9380  
# 每隔100次收集一次數(shù)據(jù)  
display= 100  
# 每次測(cè)試進(jìn)行100次解算，10000/100  
test_iter = 100  
# 每500次訓(xùn)練進(jìn)行一次測(cè)試（100次解算），60000/64  
test_interval =938  
#初始化 
train_loss = zeros(ceil(niter * 1.0 / display))   
test_loss = zeros(ceil(niter * 1.0 / test_interval))  
test_acc = zeros(ceil(niter * 1.0 / test_interval))  
# iteration 0，不計(jì)入  
solver.step(1)  
# 輔助變量  
_train_loss = 0; _test_loss = 0; _accuracy = 0  
# 進(jìn)行解算  
for it in range(niter):  
    # 進(jìn)行一次解算  
    solver.step(1)  
    # 每迭代一次，訓(xùn)練batch_size張圖片  
    _train_loss += solver.net.blobs['SoftmaxWithLoss1'].data  
    if it % display == 0:  
        # 計(jì)算平均train loss  
        train_loss[it // display] = _train_loss / display  
        _train_loss = 0  
    if it % test_interval == 0:  
        for test_it in range(test_iter):  
            # 進(jìn)行一次測(cè)試  
            solver.test_nets[0].forward()  
            # 計(jì)算test loss  
            _test_loss += solver.test_nets[0].blobs['SoftmaxWithLoss1'].data  
            # 計(jì)算test accuracy  
            _accuracy += solver.test_nets[0].blobs['Accuracy1'].data  
        # 計(jì)算平均test loss  
        test_loss[it / test_interval] = _test_loss / test_iter  
        # 計(jì)算平均test accuracy  
        test_acc[it / test_interval] = _accuracy / test_iter  
        _test_loss = 0  
        _accuracy = 0  
# 繪制train loss、test loss和accuracy曲線  
print '\nplot the train loss and test accuracy\n'  
_, ax1 = plt.subplots()  
ax2 = ax1.twinx()  
# train loss -> 綠色  
ax1.plot(display * arange(len(train_loss)), train_loss, 'g')  
# test loss -> 黃色  
ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')  
# test accuracy -> 紅色  
ax2.plot(test_interval * arange(len(test_acc)), test_acc, 'r')  
ax1.set_xlabel('iteration')  
ax1.set_ylabel('loss')  
ax2.set_ylabel('accuracy')  
plt.show()

最后生成的圖表在上圖中已經(jīng)顯示出來(lái)了。

以上就是caffe的python接口繪制loss和accuracy曲線的詳細(xì)內(nèi)容，更多關(guān)于caffe python繪制loss accuracy的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: