Caffe:绘制loss曲线图
当我们设计好网络结构后,在神经网络训练的过程中,迭代输出的log信息中,一般包括:迭代次数、训练损失代价、测试损失代价、测试精度等。本文提供一段示例,简单讲述如何绘制训练曲线(training curve)。
首先看一段训练的log输出,网络结构参数忽略,直接跳到训练迭代阶段:
绘制训练曲线本质是对log文件进行操作,从上面的log文件中,我们可以看出:
(1)对于每个出现字段] Iteration和loss=的文本行,含有迭代次数以及损失函数
(2)对于每个含有字段] Iteration和Testing net (#0)的文本行,含有测试的对应的训练迭代次数
caffe提供了示例脚本,使用方法:
(1)将文件夹caffe/tools/extra下的parse_log.sh 、extract_seconds.py、plot_training_log.py.example复制到上一步log日志文件的保存目录下。
(2)复制一份plot_training_log.py.example文件,改名字为plot_training_log.py,并执行以下命令就可以绘制曲线:
python plot_training_log.py 6 train_loss.png mobilenet.log
(3)如果是使用SSH远程没有显示环境,在执行(2)命令之前更改plot_training_log.py文件。
在import matplotlib.cm as cmx之前,加入
import matplotlib matplotlib.use('Agg')
并且将plt.show()注释掉
caffe支持多种曲线绘制,指定不同的类型参数即可,具体参数如下:
- Notes:
- 1. Supporting multiple logs.
- 2. Log file name must end with the lower-cased ".log".
- Supported chart types:
- 0: Test accuracy vs. Iters
- 1: Test accuracy vs. Seconds
- 2: Test loss vs. Iters
- 3: Test loss vs. Seconds
- 4: Train learning rate vs. Iters
- 5: Train learning rate vs. Seconds
- 6: Train loss vs. Iters
- 7: Train loss vs. Seconds
显示结果如下:
可以看到纵坐标范围不当,可以使用plt.xlim和plt.ylim进行范围设置。