绘制loss和acc图

梦里梦见梦不见的497

于 2024-05-12 22:08:51 发布

阅读量223

点赞数 2

分类专栏：深度学习基础文章标签：机器学习人工智能

本文链接：https://blog.youkuaiyun.com/weixin_73101319/article/details/138769633

版权

绘制损失图：导入loss的npz文件

import numpy as np
import os
import matplotlib.pyplot as plt

# 读取npz文件
folder_path = r"C:\Users\Administrator\Desktop\Breast\MR_loss"
data = np.load(os.path.join(folder_path, 'loss.npz'))

# 获取my_train_loss的值
my_train_loss = data['my_train_loss']
#print("my_train_loss:", my_train_loss)

# 获取my_eval_loss的值
my_eval_loss = data['my_eval_loss']
#print("my_eval_loss:", my_eval_loss)




# 绘制my_train_loss和my_eval_loss的图形
plt.plot(my_train_loss, label='my_train_loss')
plt.plot(my_eval_loss, label='my_eval_loss')
plt.xlabel('Iterations')
plt.ylabel('Loss')
plt.title('Training and Evaluation Loss')
plt.legend()
plt.show()

绘制准确率图

import numpy as np
import os
import matplotlib.pyplot as plt

# 读取npz文件
folder_path = r"C:\Users\Administrator\Desktop\Breast\MR_loss"
data

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

梦里梦见梦不见的497

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

深度学习-根据日志画loss-acc折线图

qq_36219202的博客

10-25

1万+

根据训练后的log日志画训练的loss-acc折线图import matplotlib.pyplot as plt l_n = 0 a_n = 0 loss_x = [] loss_y = [] acc_x = [] acc_y = [] with open("/home/hytz/Downloads/Yifan/caffe-face/v2_log.txt") as f: #根据自己的目录做对应

模型训练早停与绘制acc&loss图像

邢建好的博客

04-27

1973

为什么要早停模型训练很多轮后，可能会出现过拟合，准确率下降。主要语句 early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_accuracy', patience=20) history = model.fit(x_train, y_train, epochs=50, batch_size=...

参与评论您还未登录，请先登录后发表或查看评论

（Python可视化）使用matplotlib.pyplot绘制神经网络模型的acc(准确率)和loss(损失值)曲线图

weixin_64388392的博客

11-17

1万+

plt.plot()函数基本参数解析，使用matplotlib.pyplot绘制神经网络模型的acc(准确率)和loss(损失值)曲线图

【python】plt.plot() 函数绘制loss曲线

ting的博客

03-30

1万+

函数定义为plt.plot(*args, **kwargs)

如何通过python画loss曲线 & 点线颜色及点线型设置说明（超实用）

(๑￫ܫ￩)

06-29

5387

翻遍了python绘制图像的博客，这些最实用

pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率

09-18

在PyTorch中，训练深度学习模型时，记录并可视化损失(loss)曲线和准确率(acc)曲线对于理解和优化模型性能至关重要。本篇文章将介绍如何利用PyTorch和TensorboardX来绘制这些曲线，并以LeNet5为例展示图像分类任务的...

python 绘制train和val的acc和loss曲线

06-18

import numpy as np import matplotlib.pyplot as plt import pylab as pl from mpl_toolkits.axes_grid1.inset_...data3_acc = np.loadtxt("val_acc_list.txt") epoches=range(0,100) plt_image(epoches, data1_loss

python绘制Loss和Acc曲线+读取txt和log文件

Doraemon_Zzn的博客

05-24

6315

log文件如下所示：代码 def read_log(filename): fp=open(filename) for line in fp.readlines(): train_loss=line[-27:-18] train_acc=line[-8:] with open('test.txt','a') as fp2: fp2.write(train_loss+train_acc) fp.close()

pytorch使用matplotlib绘制神经网络模型的loss（损失值）曲线

最新发布

weixin_62138684的博客

04-28

1822

pytorch使用matplotlib绘制神经网络模型的loss（损失值）曲线

Python绘制loss曲线、准确率曲线

WYKB_Mr_Q的博客

07-07

6万+

使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制我们首先要得到训练时的数据，以损失值为例，网络每迭代一次都会产生相应的 loss，那么我们就把每一次的损失值都存储下来，存储到列表，保存到 .txt 文件中。保存的文件如下图所示：上图为部分损失值，根据迭代次数而异，要是迭

如何用plt绘制模型准确率

01-06

可从tensorflow官方教程中看到。 (https://tensorflow.google.cn/tutorials/images/classification?hl=zh_cn) 在使用keras 进行训练的时候 model.fit会返回一个history 即：定义：history=model.fit() model中含有acc val_acc loss val_loss 数据，然后调用plt即可完成绘制 history=model.fit(dataset,epochs=5,callbacks=[tensorboard_callbacks]) import matplotlib.pyp

Python之plt.show()不显示图片&画loss曲线教程

weixin_50548064的博客

07-29

1万+

Python之plt.show()不显示图片&画loss曲线教程

如何用pyplot优雅的绘制loss，acc，miou，psnr变化曲线

如何心安理得的在老板眼皮下摸鱼

05-10

4648

前言 TensorFlowBoard过于强大，导致我对它依赖性很强，今年转手使用pytorch进行开发，本以为没了TensorFlowBoard，后来发现人家Tensorflow封装了个TensorFlowBoardX，专门给其他深度学习框架使用，不得不说TensorFlow确实厉害。不过用的久了我就有点嫌麻烦了，因为每一次都要用命令去解析events文件，然后生成网址，复制到浏览器打开，有时候打不开或者打开的慢，出于我近期的研究工作只需要看一个图像的大概走向，不用多么好看、精美、功能强大，因此就使用ma

python 画图像训练结果的loss图

06-02

6064

得到每个epoch的loss和predict精度后，就可以愉快地画图直观地看出训练结果和收敛性了。 # coding:utf-8 import matplotlib.pyplot as plt data_dir = "D:\\result.txt" Train_Loss_list = [] Train_Accuracy_list = [] Valid_Loss_lis...

matplotlib绘制loss图（增大字体）

E_vens

06-24

2358

将trainloss存为txt文件，并从txt文件读取loss画出折线图 import matplotlib.pyplot as plt def ReadTxtName(rootdir): lines = [] with open(rootdir, 'r') as file_to_read: while True: line = file_to_read.readline() if not line: .

keras画acc和loss曲线图

热门推荐

安静会的博客

12-27

6万+

#加载keras模块 from __future__ import print_function import numpy as np np.random.seed(1337) # for reproducibilityimport keras from keras.datasets import mnist from keras.models import Sequential from ker

Pytorch练习--绘制Loss曲线

三金samkam的博客

04-09

9792

绘制Loss曲线 b站课程链接：https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 import绘制曲线的库和numpy库 import numpy as np import matplotlib.pyplot as plt # 画图库设置数据 x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0,...

fater-rcnn绘制loss图

Snoopy_Dream

06-13

1491

py-fater-rcnn根据生成的log文件绘制loss图。一般输出是下图中的第一幅图（对应位置为2,5,1），但本身并没有多大的意义，只有将其平均之后如(对应位置为2,5,6)，才能看出loss是否还在下降。# -*- coding: utf-8 -*- """ Created on Wed Jun 13 09:58:00 2018 @author: ygx """ # -*- coding...

TensorFlow绘制loss/accuracy曲线

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...

pytorch绘制loss，acc曲线

06-28

### 回答1：在 PyTorch 中绘制 loss 和 acc 曲线可以使用 matplotlib 库。首先，需要在训练过程中记录 loss 和 acc 的值，然后使用 matplotlib 的 plot() 函数绘制曲线。下面是一个简单的例子： ```python import matplotlib.pyplot as plt # 记录训练过程中的loss和acc loss_history = [] acc_history = [] # ...在训练过程中... for data, target in dataloader: # ... loss_history.append(loss.item()) acc_history.append(acc.item()) # 绘制loss曲线 plt.plot(loss_history, label='loss') # 绘制acc曲线 plt.plot(acc_history, label='acc') plt.legend() plt.show() ``` 这将在窗口中显示一个曲线图，其中 x 轴表示训练步数，y 轴表示 loss 和 acc。另外，还可以使用第三方库如 Visdom，tensorboardX 等来绘制loss,acc曲线。 ### 回答2： PyTorch是一种流行的深度学习框架，主要用于构建神经网络和实现深度学习模型。训练神经网络时，我们通常需要跟踪模型的loss值和准确率（accuracy）。这些指标可以通过绘制loss和acc曲线来可视化，以便更好地了解模型的训练过程和性能。在PyTorch中，我们可以使用Matplotlib库来绘制loss和acc曲线。首先，我们需要在训练过程中跟踪loss和acc值。这可以通过在训练循环中保存这些值来实现。例如，我们可以使用以下代码来跟踪loss和acc： ``` train_losses = [] train_accs = [] for epoch in range(num_epochs): # 训练模型 # ... # 计算loss和acc train_loss = calculate_loss(...) train_acc = calculate_accuracy(...) train_losses.append(train_loss) train_accs.append(train_acc) ``` 然后，我们可以使用Matplotlib库来将这些值绘制成曲线。以下是一个例子： ``` import matplotlib.pyplot as plt # 绘制loss曲线 plt.plot(train_losses, label='train') plt.legend() plt.xlabel('Epoch') plt.ylabel('Loss') plt.show() # 绘制acc曲线 plt.plot(train_accs, label='train') plt.legend() plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.show() ``` 这将会绘制出loss和accuracy的曲线，如下所示： ![loss_acc_curve](https://img-blog.youkuaiyun.com/20180112171409158?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbHVhbmdfd2Vi/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/85/img-hover) 这些曲线可以帮助我们了解模型的训练过程和性能表现。例如，我们可以观察loss曲线是否出现过拟合或者欠拟合的情况，以及acc曲线的上升趋势是否饱和。如果loss曲线不平滑或者acc曲线没有到达预期的水平，那么我们可能需要修改模型的架构或者训练算法，以获得更好的性能。 ### 回答3： PyTorch 是一种广泛使用的深度学习框架，它提供了许多便捷的工具和库，可以实现许多深度学习任务。在 PyTorch 中，通常需要对模型的训练过程进行监控和可视化，其中最常使用的方法就是绘制 loss 和 accuracy 曲线。绘制 loss 曲线是为了评估模型的训练效果，如果 loss 的值不断下降，说明模型正在学习正确的特征和规律。而 accuracy 曲线则用于评估模型的性能，如果 accuracy 曲线逐渐升高，则说明模型的性能在不断提升。在 PyTorch 中，可以利用 Matplotlib 库对 loss 和 accuracy 进行可视化。首先，需要在训练过程中记录训练的 loss 和 accuracy 值。在模型训练过程中，可以使用 TensorBoard 或 Matplotlib 等工具实时记录 loss 和 accuracy 值。下面是绘制 loss 和 accuracy 曲线的代码示例： ```python import matplotlib.pyplot as plt # 记录训练过程中的 loss 和 accuracy train_losses = [] train_accuracies = [] # 模型训练部分代码 # ... # 绘制 loss 曲线 plt.plot(range(len(train_losses)), train_losses) plt.title('Training Loss') plt.xlabel('Iterations') plt.ylabel('Loss') plt.show() # 绘制 accuracy 曲线 plt.plot(range(len(train_accuracies)), train_accuracies) plt.title('Training Accuracy') plt.xlabel('Iterations') plt.ylabel('Accuracy') plt.show() ``` 在上述代码中，train_losses 和 train_accuracies 记录了训练过程中的 loss 和 accuracy 值，然后使用 Matplotlib 库绘制出相应的曲线。可以通过改变 Matplotlib 库的参数来实现不同的绘图效果，如调整曲线的颜色、线宽、标签等。绘制曲线是一种很好的监控和分析模型训练过程的方法。在训练过程中，可以及时排查模型可能存在的问题，也可以对不同的模型和参数进行比较和优化，从而提高深度学习模型的训练效果和性能。