caffe训练过程可视化-将两个loss曲线一个accuracy曲线画在一个图上

最新推荐文章于 2025-06-08 10:35:28 发布

「已注销」

最新推荐文章于 2025-06-08 10:35:28 发布

阅读量3.4k

点赞数 2

文章标签： deeplearning caffe loss曲线训练可视化

本文分享了一个使用Python和Caffe框架训练MNIST数据集的实战案例，详细介绍了如何调整代码使其正常运行，并展示了训练过程中的损失和准确率变化曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

转载自：https://blog.youkuaiyun.com/auto1993/article/details/71297151

从上面的这个博客里面看到一个用Python调用网络的代码，然后就试了试，发现了发现不能直接跑通，因此这个博客就主要介绍下这个代码怎么修改。

import sys
cafferoot='/root/caffe'#自己的caffe路径
sys.path.insert(0,cafferoot+'/python')  
import matplotlib.pyplot as plt 
from numpy import zeros,arange 
from math import ceil
import caffe   
caffe.set_device(0)  
caffe.set_mode_gpu()   
# 使用SGDsolver，即随机梯度下降算法，这个要看你solver文件里，一般不写的话就是sgd  
#solver=caffe.AdamSolver('/root/caffe/examples/mnist/lenet_solver_adam.prototxt')
solver = caffe.SGDSolver('/root/caffe/examples/mnist/lenet_solver.prototxt')  
  
# 等价于solver文件中的max_iter，即最大解算次数  
niter = 10000  
# 每隔100次收集一次数据  
display= 100  
  
# 每次测试进行100次解算，10000/100  
test_iter = 100  
# 每500次训练进行一次测试（100次解算），60000/64  
test_interval =500 
  
#初始化 
train_loss = zeros(int(niter * 1.0 / display))   
test_loss = zeros(int(niter * 1.0 / test_interval))  
test_acc = zeros(int(niter * 1.0 / test_interval))  
  
# iteration 0，不计入  
solver.step(1)  
  
# 辅助变量  
_train_loss = 0; _test_loss = 0; _accuracy = 0  
# 进行解算  
for it in range(niter):  
    # 进行一次解算  
    solver.step(1)  
    # 每迭代一次，训练batch_size张图片  
    _train_loss += solver.net.blobs['loss'].data  #注意，这里的loss表示你定义网络中loss层使用的名称，原博客中定义该网络使用的是SoftmaxWithLoss
 
    if it % display == 0:  
        # 计算平均train loss  
        train_loss[it // display] = _train_loss / display  
        _train_loss = 0  
  
    if it % test_interval == 0:  
        for test_it in range(test_iter):  
            # 进行一次测试  
            solver.test_nets[0].forward()  
            # 计算test loss  
            _test_loss += solver.test_nets[0].blobs['loss'].data  #loss名称和上面的一样
            # 计算test accuracy  
            _accuracy += solver.test_nets[0].blobs['accuracy'].data # 这里和上面一样需要注意一下
 
        # 计算平均test loss  
        test_loss[it / test_interval] = _test_loss / test_iter  
        # 计算平均test accuracy  
        test_acc[it / test_interval] = _accuracy / test_iter  
        _test_loss = 0  
        _accuracy = 0  
  
# 绘制train loss、test loss和accuracy曲线  
print '\nplot the train loss and test accuracy\n'  
_, ax1 = plt.subplots()  
ax2 = ax1.twinx()  
  
# train loss -> 绿色  
ax1.plot(display * arange(len(train_loss)), train_loss, 'g')  
# test loss -> 黄色  
ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')  
# test accuracy -> 红色  
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()

一定要在caffe的根目录下面运行你的Python程序，否则就要改路径；