caffe-mnist数据识别loss accuracy曲线
来源:互联网 发布:淘宝篮球鞋正品店top10 编辑:程序博客网 时间:2024/06/06 07:26
caffe绘制训练过程中的accuracy、loss曲线 - 竹馨shine的专栏 - 博客频道 - CSDN.NET var username = "u013989576"; var _blogger = username; var blog_address = "http://blog.csdn.net/u013989576"; var static_host = "http://static.blog.csdn.net"; var currentUserName = ""; window.quickReplyflag = true; var isBole = false; var fasrc="http://my.csdn.net/my/favorite/miniadd?t=caffe%e7%bb%98%e5%88%b6%e8%ae%ad%e7%bb%83%e8%bf%87%e7%a8%8b%e4%b8%ad%e7%9a%84accuracy%e3%80%81loss%e6%9b%b2%e7%ba%bf&u=http://blog.csdn.net/u013989576/article/details/71302244"
关闭
竹馨shine的专栏
<div id="body"> <div id="main"> <div class="main"> <div class="ad_class">
【观点】物联网与大数据将助推工业应用的崛起,你认同么? CSDN日报0703——《我一直在寻找答案》 赠书 | 7 月大咖新书:机器学习 / Android / python
caffe绘制训练过程中的accuracy、loss曲线
<div class="article_manage clearfix"> <div class="article_r"> <span class="link_postdate">2017-05-06 22:12</span> <span class="link_view" title="阅读次数">198人阅读</span> <span class="link_comments" title="评论次数"> <a href="#comments" onclick="_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_pinglun'])">评论</a>(0)</span> <span class="link_collect tracking-ad" data-mod="popu_171"> <a href="javascript:void(0);" onclick="javascript:collectArticle('caffe%e7%bb%98%e5%88%b6%e8%ae%ad%e7%bb%83%e8%bf%87%e7%a8%8b%e4%b8%ad%e7%9a%84accuracy%e3%80%81loss%e6%9b%b2%e7%ba%bf','71302244');return false;" title="收藏">收藏</a></span> <span class="link_report"> <a href="#report" onclick="javascript:report(71302244,2);return false;" title="举报">举报</a></span> </div></div> <style type="text/css"> .embody{ padding:10px 10px 10px; margin:0 -20px; border-bottom:solid 1px #ededed; } .embody_b{ margin:0 ; padding:10px 0; } .embody .embody_t,.embody .embody_c{ display: inline-block; margin-right:10px; } .embody_t{ font-size: 12px; color:#999; } .embody_c{ font-size: 12px; } .embody_c img,.embody_c em{ display: inline-block; vertical-align: middle; } .embody_c img{ width:30px; height:30px; } .embody_c em{ margin: 0 20px 0 10px; color:#333; font-style: normal; }</style><script type="text/javascript"> $(function () { try { var lib = eval("("+$("#lib").attr("value")+")"); var html = ""; if (lib.err == 0) { $.each(lib.data, function (i) { var obj = lib.data[i]; //html += '<img src="' + obj.logo + '"/>' + obj.name + " "; html += ' <a href="' + obj.url + '" target="_blank">'; html += ' <img src="' + obj.logo + '">'; html += ' <em><b>' + obj.name + '</b></em>'; html += ' </a>'; }); if (html != "") { setTimeout(function () { $("#lib").html(html); $("#embody").show(); }, 100); } } } catch (err) { } });</script> <div class="category clearfix"> <div class="category_l"> <img src="http://static.blog.csdn.net/images/category_icon.jpg"> <span>分类:</span> </div> <div class="category_r"> <label onclick="GetCategoryArticles('6746192','u013989576','top','71302244');"> <span onclick="_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_fenlei']);">机器学习与深度学习<em>(23)</em></span> <img class="arrow-down" src="http://static.blog.csdn.net/images/arrow_triangle _down.jpg" style="display:inline;"> <img class="arrow-up" src="http://static.blog.csdn.net/images/arrow_triangle_up.jpg" style="display:none;"> <div class="subItem"> <div class="subItem_t"><a href="http://blog.csdn.net/u013989576/article/category/6746192" target="_blank">作者同类文章</a><i class="J_close">X</i></div> <ul class="subItem_l" id="top_6746192"> </ul> </div> </label> </div></div> <div class="bog_copyright"> <p class="copyright_p" >版权声明:本文为博主原创文章,未经博主允许不得转载。</p> </div>
训练模型并保存日志文件
首先建立一个训练数据的脚本文件train.sh,其内容如下,其中,2>&1 | tee examples/mnist/mnist_train_log.log 是log日志文件的保存目录。
#!/usr/bin/env sh set -e TOOLS=./build/tools $TOOLS/caffe train --solver=examples/mnist/lenet_solver.prototxt 2>&1 | tee examples/mnist/mnist_train_log.log
训练完成后,会在examples/mnist文件夹下生成mnist_train_log.log日志
绘制曲线
首先将文件夹caffe/tools/extra下的parse_log.sh 、extract_seconds.py、plot_training_log.py.example复制到上一步log日志文件的保存目录下。
然后,将plot_training_log.py.example改为plot_training_log.py,并执行以下命令就可以绘制曲线:
python plot_training_log.py 6 train_loss.png mnist_train_log.log
caffe支持多种曲线绘制,指定不同的类型参数即可,具体参数如下:
Notes: 1. Supporting multiple logs. 2. Log file name must end with the lower-cased ".log". Supported chart types: 0: Test accuracy vs. Iters 1: Test accuracy vs. Seconds 2: Test loss vs. Iters 3: Test loss vs. Seconds 4: Train learning rate vs. Iters 5: Train learning rate vs. Seconds 6: Train loss vs. Iters 7: Train loss vs. Seconds
遇到的问题:
问题1:
刚开始的时候发现类型参数为0-3的时候,可以正常绘制曲线,但是类型参数为4-7的时候,出现下面的错误:
解决方法:
打开生成的mnist_train_log.log.train文件后,发现确实是提取TrainingLoss数据有问题,如图1;后来按博客点击打开链接中的方法将parse_log.sh进行修改。对于parse-log.sh生成的文件mnist_train_log.log.train,caffe自带的parse-log.sh提取到的是第9列(第9个域),也就是带S/10的那些数,我将它改成第13个域,也就是loss及=符号后的数,真正的loss在第13列,如图2、3。
图1
图2
图3
问题2:
解决完上述问题后,类型参数为4-7的时候,还是不能绘制曲线,出现如下问题:IndexError: list index out of range
解决方法:
群里大神帮忙找到问题了,原来是mnist_train_log.log.train中最后一行存在数据缺失问题,无奈,日志文件真的没有数据了,只能伪造一组数据了,如下图,红色圈中的就是我自己加的。但是,感觉这样做不好,关于这个问题,大家有遇到过没,怎么解决的,可以交流一下。
修改前的:
修改后的:
阅读全文
0 0
- caffe-mnist数据识别loss accuracy曲线
- caffe 绘制loss/ accuracy曲线
- caffe绘制loss,accuracy曲线
- caffe画loss accuracy曲线
- ubuntu+caffe 绘制Cifar10数据集loss与accuracy曲线
- Training LeNet on MNIST with Caffe|保存log绘制accuracy loss曲线
- caffe 绘制accuracy和loss曲线
- Caffe 绘制训练过程loss,accuracy曲线
- matlab 绘制caffe accuracy与loss曲线
- caffe绘制loss和accuracy曲线
- caffe 画 loss\accuracy曲线(train_test)
- caffe中的loss和accuracy曲线
- caffe工具 绘制 loss accuracy曲线
- Windows玩转Caffe(五): mnist模型可视化探知,Matlab绘制其Accuracy和Loss曲线
- caffe 利用python绘制loss曲线以及accuracy曲线
- caffe loss、accuracy等数据可视化
- Caffe学习:使用pycaffe绘制loss、accuracy曲线
- Caffe学习系列(19): 绘制loss和accuracy曲线
- Android xmlns 的作用及其自定义
- 自定义注解
- Ubuntu:Ubuntu16将Launcher(启动栏/任务栏)移到屏幕下方
- 解决jdk1.8中发送邮件失败(handshake_failure)问题
- 自学qt之QPainter
- caffe-mnist数据识别loss accuracy曲线
- 关于weblogic.xml的配置
- OpenSSL RSA Key的生成和转换
- 【PHP】使用mysqli连接MySql数据库
- 一些解题过程中关于数据范围的细节
- oracle 执行计划
- DBUtils练习,增删改查,ResultSetHandler的9个结果处理器
- SpringBoot上传文件跟传统的SpringMVC的区别
- iview日期控件,双向绑定日期格式