SSD LOSS-train interation 可视化

最新推荐文章于 2022-08-04 16:05:57 发布
最新推荐文章于 2022-08-04 16:05:57 发布
阅读量631 收藏
点赞数 1
分类专栏： caffe环境搭建 文章标签： ssd loss
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_43317842/article/details/88717250
版权
本文参考特定博主，介绍了将caffe-ssd训练完后生成的日志转换为图片的方法。先查看日志文件，接着在特定目录下执行脚本分析日志生成新文件，然后修改配置文件，最后使用gnuplot命令生成图片，可按需自行修改。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

https://blog.youkuaiyun.com/CAU_Ayao/article/details/84502826 参考此博主

在用caffe-ssd/examples/ssd/ssd_pascal.py训练完后，会生成训练日志，接下来，我们将其转换为图片

查看该日志
cd jobs/VGGNet/VOC0712/SSD_300x300 (caffe 根目录下)

在这里插入图片描述

VGG_fire_testSSD_300x300.log文件便是本次的日志

接下来将其分析出来：进入$caffe-ssd_root/tools/extra
执行：
./parse_log.sh /jobs/VGGNet/VOC0712/SSD_300x300/VGG_VOC0712_SSD_300x300.log

在这里插入图片描述
生成两个新文件

接着，再在extra目录下执行：
cp plot_log.gnuplot.example plot_log.gnuplot

打开该文件，修改：
在这里插入图片描述
plot “你的日志名称” using 1:3 title “你的名称”

接下来：
gnuplot plot_log.gnuplot （生成图片）

根据需要，自行修改～

SSD的运行及训练自己数据集
medusa_zj的博客
05-08 2243
ubuntu18.04下SSD的运行及训练自己数据集caffe的SSD运行及训练自己数据集运行一、下载源码二、文件配置三、编译 caffe的SSD运行及训练自己数据集 运行 一、下载源码 git clone https://github.com/weiliu89/caffe.git 下载完成后是一个caffe文件夹，如图： 然后执行： cd caffe git checkout ssd 出现...
ssd画loss和accuracy曲线
preston2006的专栏
11-03 3033
（一）ssd的log文件保存在 /home/myname/caffe/jobs/ 下面 （四） 调用py程序绘制图形     ./plot_training_log.py.example 0 save.png /home/myname/caffe/jobs/VGGNet/VOCgoods/SSD_600x600/VGG_VOCgoods_SSD_600x6
训练基于pytorch的SSD时，visdom可视化：
芒果的二二的博客
12-09 617
训练基于pytorch的SSD时，visdom可视化： ①先打开visdom界面：终端输入命令 python -m visdom.server ②出现如下链接， ③并打开界面： ④开始运行代码，在界面实时出图。 敲黑板： 先打开visdom再运行程序。 ...
用于特征图/卷积核/响应图可视化的网络
12-18
这个是为博客‘非黑盒矣-卷积神经网络的可视化’匹配的已经训练好的网络。 通过该网络和博文中阐述的代码，从而复现实验。
训练结果记录
sinat_37196107的博客
12-01 590
训练结果记录train_dataset:day&night Time step learning_rate Loss mAP_car mAP_car_night mAP_person 2017.12.4 100000 0.008 - 0.5790 0.5478 0.1130 2017.12.4 200000 0.008 - 0
深度学习：可视化方法（模型可视化，训练过程可视化，特征提取可视化）
qq_42911863的博客
08-04 8096
深度学习可视化，pytorch（tensorboard/netron）
ssd的loss函数讲解
andeyeluguo的博客
04-08 6135
更多讨论请加群：703346870 multibox_loss_layer.cpp #include <algorithm> #include <map> #include <utility> #include <vector> #include "caffe/layers/multibox_loss_layer.hpp" #include ...
TensorFlow绘制loss/accuracy曲线
热门推荐
The Thinker
09-10 4万+
1. 多曲线 1.1 使用pyplot方式 import numpy as np import matplotlib.pyplot as plt x = np.arange(1, 11, 1) plt.plot(x, x * 2, label="First") plt.plot(x, x * 3, label="Second") plt.plot(x, x * 4, label="Thi...
caffe-ssd的loss和darknet-yolov3的loss(L1loss正则化+L2loss正则化)-更新对目标检测loss的sikao
baidu_40840693的博客
04-04 1859
leader告诉我，上手一个深度学习框架，最先必须学会 框架的头和尾，也就是数据是怎么读进来的，数据是怎么使用的也就是loss计算 我们这里选择目标检测，比较具有代表性 首先是darknet框架中loss的计算 数据的输入： loss的计算 https://blog.csdn.net/jmu201521121021/article/details/86658163 caffe...
目标检测：SSD之损失函数的改进
AlphaHolo的博客
07-22 1万+
SSD 的损失函数改进 以下改进已经实现在github中： https://github.com/BOBrown/SSD-Centerloss （1）centerl loss改进 centerloss的理解请参考博文 https://blog.csdn.net/zbzb1000/article/details/81001546 传统SSD目标检测算法是对每一个default生成一个4维的l...
CAFFE-SSD中loss、accuracy曲线可视化（双Y轴）
weixin_43376029的博客
12-09 843
CAFFE-SSD中loss、accuracy曲线可视化（双Y轴）1.利用输出的.log文件（应该在caffe/jobs/VGGNet/VOC0712/SSD_300x300目录下）生成.test .train文件。2.下面就是重点，画双Y轴loss、acc曲线。reference 阿呀么耀博主的博客可以完成loss、acc画在一张表里，我参考此博客并改进了一下，可以画出双Y轴图表。 1.利用输出...
Pytorch-SSD目标检测算法(Single Shot MultiBox Detector)(简单,明了,易用,全中文注释,单机多卡训练,训练过程可视化,视频检测)
LG的博客
11-22 2052
SSD-Pytorch 作者为pytorch中文网维护者之一,网站会发许多深度学习相关文章,欢迎pytorch使用者多多支持. 项目Github地址:Github 欢迎star, fork 一. 项目简介 项目是在实际项目上整理精简而来,主要针对单机多卡环境实现. 项目整体结构清晰明了,对训练过程在不失灵活性的前提下进行了包装.训练,测试,检测过程均只需简单几行即可实现. 如需深入了...
目标检测：SSD的multibox_loss_layer和MineHardExamples的理解
BigCowPeking
03-07 3138
SSD（single-shot multibox detector）源码学习笔记SSD是Wei Liu等人去年提出来的一个object detection框架，在PascalVOC上mAP可以超过著名的Faster RCNN，同时速度可以做到实时，简直强无敌。之前用别人的MXNet代码跑过实验，最近需要改进一下算法，所以去翻了一下原作者用Caffe实现的代码。在看代码之前先简述一下SSD的做法：图...
tensorflow学习5：使用tensorboard可视化loss，weight，biases
xiexu911的博客
03-13 8334
这一次的可视化任务和上一次的可视化差不多，只是增加了一些可视化项，不仅仅是网络结构。 我们还是在前面搭建的网络结构上进行修改，大家对这个也比较熟悉了。 第一步还是准备数据： import tensorflow as tf import numpy as np #构造数据 x_data = np.linspace(-1,1,300, dtype=np.float32)[:, np.new...
无图形界面服务器使用tensorboard绘制loss和accuracy的曲线
davidsmith8的博客
01-10 3124
无图形界面服务器使用tensorboard绘制loss和accuracy的曲线     近来，作为深度学习小白的我，逐渐开始使用GPU服务器了。在TensorFlow和pytorch中都有基于tensorboard的比较和的图形显示界面，小白我也想用Tensorboard这个好用的工具来显示自己的或者复现别人的结果，但是就是有linux服务器没有图形界面，没有XenServer，因此无法通过启动...
Caffe SSD编译、训练及测试
楚兴
11-25 2976
SSD采用VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征以用于检测。SSD的网络结构如上图所示（上面是SSD模型，下面是Yolo模型），可以明显看到SSD利用了多尺度的特征图做检测。 安装 clone代码（假设代码clone到$CAFFE_ROOT目录）。 git clone https://github.com/weiliu89/caffe.git cd ca...
深度学习SSD学习记录
lk123400的专栏
12-22 3万+
转自:http://blog.csdn.net/u010167269/article/details/52563573 Preface 这是今年 ECCV 2016 的一篇文章，是 UNC Chapel Hill（北卡罗来纳大学教堂山分校） 的 Wei Liu 大神的新作，论文代码：https://github.com/weiliu89/caffe/tree/ssd Obej
SSD总结
无名份的浪漫2018
12-31 1172
-------------Z  F J 1 直观感受 SSD是端对端的一步走的运行方式，这个方式类似于YOLO，而不同于Faster RCNN，所以速度上是类似于YOLO的速度，而高于Faster RCNN的速度，这个比较高的速度，实时性很强，可以应用到很多的场合。精度方面，SSD是采用不同的特征层进行检测（多尺度），因此就可以容纳很多不同现状、不同大小的问题的轮廓，所以在小物体的检查上面也是比...
SSD代码解读之四——loss
Peanut 大本营
04-21 2041
文章目录相关参数实现过程 相关参数 loss的调用过程如下。 ssd_net.losses(logits, localisations, b_gclasses, b_glocalisations, b_gscores, match_threshold=FLAGS.match_threshol...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值