YOLOv3之loss和iou可视化（横坐标和纵坐标与迭代次数完美对齐）

最新推荐文章于 2025-03-27 15:58:50 发布

kepcum

最新推荐文章于 2025-03-27 15:58:50 发布

阅读量1.5w

点赞数 9

分类专栏： YOLOv3

本文链接：https://blog.youkuaiyun.com/qq_33614902/article/details/83418441

版权

本文档提供了YOLOv3损失函数和IoU可视化的详细步骤，包括extract_log.py、visualization_loss.py和visualization_iou.py三个关键部分，通过阅读和实践，可以深入理解YOLOv3训练过程中的损失变化和目标检测精度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

建议大家先去看看其他博客的代码，就能体会到它的魅力了。

Table of Contents

一、extract_log.py

二、visualization_loss.py

三、visualization_iou.py

一、extract_log.py

#!/usr/bin/python
#coding=utf-8
#该文件用于提取训练log，去除不可解析的log后使log文件格式化，生成新的log文件供可视化工具绘图
import inspect
import os
import random
import sys
def extract_log(log_file, new_log_file, key_word):
    with open(log_file, 'r') as f:
        with open(new_log_file, 'w') as train_log:
            for line in f:
                #去除多GPU的同步log；去除除零错误的log
                if ('Syncing' in line) or ('nan' in line):
                    continue
                if key_word in line:
                    train_log.write(line)
    f.close()
    train_log.close()

extract_log('./2048/train_log2.txt', './2048/log_loss2.txt', 'images')
extract_log('./2048/train_log2.txt', 'log_iou2.txt', 'IOU')