基于卷积神经网络的物体分类识别(二)---绘制loss和accuracy曲线

最新推荐文章于 2024-12-02 11:09:35 发布

m0_38116269

最新推荐文章于 2024-12-02 11:09:35 发布

阅读量5.6k

点赞数 3

分类专栏：个人学习文章标签： caffe

本文链接：https://blog.youkuaiyun.com/m0_38116269/article/details/88362992

版权

这篇博客介绍了如何使用Python代替Caffe自带工具，自行绘制物体分类识别的loss和accuracy曲线。作者遇到数据类型问题，并参考了多个博客，最终成功实现。代码片段展示了实现过程，结果呈现了美观的图表。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

接上一篇博客。

五、绘制loss和accuracy曲线

上面介绍的是利用caffe自带的工具绘制，一方面绘制出来的图片太丑了，另一方面出来的test loss图片还有问题，那咱们准备上手Python自己弄一下。
参考：https://www.cnblogs.com/denny402/p/5110204.html
这个博客写的不错，需要注意的一点是，blobs里面的名称要改成自己网络结构定义的名称。
训练是出现了点问题：
在这里插入图片描述目测是我估计是数据类型没有给我弄好，估计把精确度给我偷偷转换为int型了？
好像应该不是，难道说，我还要分训练网络和测试网络吗？吃完饭可以回来看看官方demo找找启发看看。
噗。。。这个博客写的不好，咱不参考它了，真的是要参考许多东西，才知道最合适的是哪个啊。
现在参考这个，感觉这个不错啊Caffe—Pycaffe 绘制loss和accuracy曲线
在这里插入图片描述
I have succeeded !!!
part of my code:

part of my code:

import numpy as np
import matplotlib.pyplot as plt
import sys
import os
import re
caffe_root = '/media/xxx/Linux-doc/xxx/caffe/'
sys.path.insert(0, caffe_root + 'python')
import caffe
%matplotlib inline
os.chdir(caffe_root)

caffe.set_device(0)
caffe.set_mode_gpu()
solver = caffe.SGDSolver('models/animal_classifier/solver.prototxt')
#solver = caffe.SGDSolver('examples/mnist/lenet_solver.prototxt')

in_log_path = caffe_root + 'models/animal_classifier/plot_tools/resnet18_train_log.txt'
out_fig_path = caffe_root + 'models/animal_classifier/plot_tools/resne18_record.png'

f = open(in_log_path, 'r'

最低0.47元/天解锁文章