caffe 利用python命令绘制神经网络图+pycaffe绘制loss_accuracy图片

遇到的问题：

由于我是anaconda+系统默认的python2.7.6，因此会找不到protobuf的安装包，即使protobuf已经通过源码编译了，那么此时就应该通过anaconda的强大的命令：

conda install protobuf来解决这个问题，所以基本上不要用系统自带的python包了，就用anaconda就可以了。

前提是已经编译好了pycaffe接口

具体命令是：

cd ~/caffe

python python/draw_net.py(这个是用来画神经网络图的脚本) .prototxt 生成的图片名称（这个图片的生成路径是caffe_home）

eg: python python/draw_net.py examples/cifar10/cifar10_quick.prototxt my_net.png

命令说明：

1）draw_net.py用来绘制网络图)

2）examples/cifar10/XXX.prototxt表示需要绘制的prototxt的文件

3）my_net.png,这个也可以保存到其他路径当中，在这里我就把该png图片生成到了当前路径下面

4）还有一个关于生成图的方向的选项：

--rankdir

一共有四种可能性

LR:默认方向，表示从左到右

RL:从右到左

TB:top->bottom,从上到下

BT:bottom->top，从下到上

此时就会生成在caffe_home下面生成my_net.png的神经网络图片

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------

利用pycaffe写train_loss和accuracy的图片，并进行保存

# -*- coding: utf-8 -*-__author__ = 'xuy'import matplotlib.pyplot as pltimport osimport numpy as npimport syscaffe_root='/home/xuy/caffe'sys.path.append(caffe_root+'python')sys.path.append('/usr/lib/python2.7/dist-packages/')os.chdir(caffe_root)#指定当前默认路径是caffe_rootimport caffeUSE_GPU=True#默认使用gpuif USE_GPU:    caffe.set_device(0)    caffe.set_mode_gpu()else:    caffe.set_mode_cpu()solver = caffe.SGDSolver('examples/mnist/lenet_solver.prototxt')niter =1000#迭代次数是1000test_interval = 200#测试是每200次测试一次train_loss = np.zeros(niter)#初始化train_losstest_loss=np.zeros(niter)#进行初始化测试的losstest_acc = np.zeros(int(np.ceil(niter / test_interval)))#计算准确率# the main solver loopfor it in range(niter):    solver.step(1)  # SGD by Caffe    # store the train loss    train_loss[it] = solver.net.blobs['loss'].data    solver.test_nets[0].forward(start='conv1')    if it % test_interval == 0:        acc=solver.test_nets[0].blobs['accuracy'].data        print 'Iteration', it, 'testing...','accuracy:',acc        test_acc[it // test_interval] = accprint test_acc_, ax1 = plt.subplots()ax2 = ax1.twinx()ax1.plot(np.arange(niter), train_loss,'g')ax2.plot(test_interval * np.arange(len(test_acc)), test_acc, 'r')ax1.set_xlabel('iteration')ax1.set_ylabel('train loss')ax2.set_ylabel('test accuracy')plt.savefig('/home/xuy/桌面/loss_train.png')#这个一定要写到plt.show()之前plt.show()

--------------------------以上是一种方法，还有一种是通过获取caffe的训练日志，利用正则表达式来绘制loss_accuracy图像的-----------------------

1）首先，讲一下如何获取日志信息

solution：运用tee命令

 eg：./build/tools/caffe train \--solver=models/bvlc_reference_caffenet/solver.prototxt2>&1| tee yourpath/caffe.log

1. tee的意思就是命令行信息重定向的命令

2. 2>&1的意思是错误的信息也当成标准信息输出，这样能够保证输出log信息的完整性。

这是2>&1的详细解释：

File descriptor 1 is the standard output (stdout).
File descriptor 2 is the standard error (stderr).

Here is one way to remember this construct (although it is not entirely accurate): at first, 2>1 may look like a good way to redirect stderr to stdout. However, it will actually be interpreted as "redirect stderr to a file named 1". & indicates that what follows is a file descriptor and not a filename. So the construct becomes: 2>&1.

2）利用正则表达式进行绘制图像