使用pandas.DataFrame进行增量记录模型训练过程

大饼博士_cqqian

于 2021-04-27 16:16:11 发布

阅读量816

点赞数

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python 深度学习神经网络

本文链接：https://blog.youkuaiyun.com/qian_chun_qiang/article/details/116203692

Python 专栏收录该内容

13 篇文章

订阅专栏

该博客展示了如何利用Python的pandas和matplotlib库绘制训练过程中的损失曲线。代码首先读取CSV文件，然后循环遍历列，绘制不同指标与epoch的关系图，并确保Y轴范围覆盖所有指标。最后，通过调用results_plot函数展示训练结束后的曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

示例代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def results_plot(path):
    df = pd.read_csv('./test.csv')
    name_cols = df.columns
    for i in range(len(name_cols)-1):
        plt.plot(df[name_cols[0]], df[name_cols[i+1]], label=name_cols[i+1], marker='o')
    ymin = np.min([df[name].min() for name in name_cols[1:]])
    ymax = np.max([df[name].max() for name in name_cols[1:]])
    plt.ylim([ymin, ymax])
    plt.xlabel(name_cols[0])
    plt.legend()
    plt.show()

if __name__ == '__main__':
    
    save_path = './test.csv'
    # 训练过程的增量记录
    for epoch in range(50):
    data = {'epoch': epoch, 'train loss': 1/(0.1*epoch+1), 'validation loss': 1/(0.08*epoch+1)}
    df = pd.DataFrame(data, index=[epoch])
    if epoch == 0:
        df.to_csv(save_path, index=False)
    else:
        df.to_csv(save_path, mode='a', header=False, index=False)
        
    # 训练结束后，输出曲线
    results_plot(save_path)