Python 绘制 loss 曲线、准确率曲线
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
一、数据读取与存储部分
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:
[1.3817585706710815,1.8422836065292358,1.1619832515716553,0.5217241644859314,0.5221078991889954,1.3544578552246094,1.3334463834762573,1.3866571187973022,0.7603049278259277]
上图为部分损失值,根据迭代次数而异,要是迭代了1万次,这里就会有1万个损失值。
而准确率值是每一个 epoch 产生一个值,要是训练100个epoch,就有100个准确率值。
(那么问题来了,这里的损失值是怎么保存到文件中的呢? 很少有人讲这个,也有一些小伙伴们来咨询,这里就统一记录一下,包括损失值和准确率值。)
首先,找到网络训练代码,就是项目中的 main.py,或者 train.py ,在文件里先找到训练部分,里面经常会有这样一行代码:
for epoch inrange(resume_epoch, num_epochs):# 就是这一行####...
loss = criterion(outputs, labels.long())# 损失样例...
epoch_acc = running_corrects.double()/ trainval_sizes[phase]# 准确率样例...###
从这一行开始就是训练部分了,往下会找到类似的这两句代码,就是损失值和准确率值了。
这时候将以下代码加入源代码就可以了:
train_loss =[]
train_acc =[]for epoch inrange(resume_epoch, num_epochs):# 就是这一行###...
loss = criterion(outputs, labels.long())# 损失样例
train_loss.append(loss.item())# 损失加入到列表中...
epoch_acc = running_corrects.double()/ trainval_sizes[phase]# 准确率样例
train_acc.append(epoch_acc.item())# 准确率加入到列表中...withopen("./train_loss.txt",'w')as train_los:
train_los.write(str(train_loss))withopen("./train_acc.txt",'w')as train_ac:
train_ac.write(str(train_acc))
这样就算完成了损失值和准确率值的数据存储了!
二、绘制 loss 曲线
主要需要 numpy 库和 matplotlib 库,如果不会安装可以自行百度,很简单。
首先,将 .txt 文件中的存储的数据读取进来,以下是读取函数:
import numpy as np
# 读取存储为txt文件的数据defdata_read(dir_path):withopen(dir_path,"r")as f:
raw_data = f.read()
data = raw_data[1:-1].split(", ")# [-1:1]是为了去除文件中的前后中括号"[]"return np.asfarray(data,float)
然后,就是绘制 loss 曲线部分:
if __name__ =="__main__":
train_loss_path =r"E:\relate_code\Gaitpart-master\train_loss.txt"# 存储文件路径
y_train_loss = data_read(train_loss_path)# loss值,即y轴
x_train_loss =range(len(y_train_loss))# loss的数量,即x轴
plt.figure()# 去除顶部和右边框框
ax = plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.xlabel('iters')# x轴标签
plt.ylabel('loss')# y轴标签# 以x_train_loss为横坐标,y_train_loss为纵坐标,曲线宽度为1,实线,增加标签,训练损失,# 默认颜色,如果想更改颜色,可以增加参数color='red',这是红色。
plt.plot(x_train_loss, y_train_loss, linewidth=1, linestyle="solid", label="train loss")
plt.legend()
plt.title('Loss curve')
plt.show()
这样就算把损失图像画出来了!如下:
三、绘制准确率曲线
有了上面的基础,这就简单很多了。
只是有一点要记住,上面的x轴是迭代次数,这里的是训练轮次 epoch。
if __name__ =="__main__":
train_acc_path =r"E:\relate_code\Gaitpart-master\train_acc.txt"# 存储文件路径
y_train_acc = data_read(train_acc_path)# 训练准确率值,即y轴
x_train_acc =range(len(y_train_acc))# 训练阶段准确率的数量,即x轴
plt.figure()# 去除顶部和右边框框
ax = plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.xlabel('epochs')# x轴标签
plt.ylabel('accuracy')# y轴标签# 以x_train_acc为横坐标,y_train_acc为纵坐标,曲线宽度为1,实线,增加标签,训练损失,# 增加参数color='red',这是红色。
plt.plot(x_train_acc, y_train_acc, color='red',linewidth=1, linestyle="solid", label="train acc")
plt.legend()
plt.title('Accuracy curve')
plt.show()
这样就把准确率变化曲线画出来了!如下:
以下是完整代码,以绘制准确率曲线为例,并且将x轴换成了iters,和损失曲线保持一致,供参考:
import numpy as np
import matplotlib.pyplot as plt
# 读取存储为txt文件的数据defdata_read(dir_path):withopen(dir_path,"r")as f:
raw_data = f.read()
data = raw_data[1:-1].split(", ")return np.asfarray(data,float)# 不同长度数据,统一为一个标准,倍乘x轴defmultiple_equal(x, y):
x_len =len(x)
y_len =len(y)
times = x_len/y_len
y_times =[i * times for i in y]return y_times
if __name__ =="__main__":
train_loss_path =r"E:\relate_code\Gaitpart-master\file_txt\train_loss.txt"
train_acc_path =r"E:\relate_code\Gaitpart-master\train_acc.txt"
y_train_loss = data_read(train_loss_path)
y_train_acc = data_read(train_acc_path)
x_train_loss =range(len(y_train_loss))
x_train_acc = multiple_equal(x_train_loss,range(len(y_train_acc)))
plt.figure()# 去除顶部和右边框框
ax = plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.xlabel('iters')
plt.ylabel('accuracy')# plt.plot(x_train_loss, y_train_loss, linewidth=1, linestyle="solid", label="train loss")
plt.plot(x_train_acc, y_train_acc, color='red', linestyle="solid", label="train accuracy")
plt.legend()
plt.title('Accuracy curve')
plt.show()
日常学习记录,一起交流讨论吧!侵权联系~
版权归原作者 WYKB_Mr_Q 所有, 如有侵权,请联系我们删除。