如何利用caffe自带的工具包绘制accuracy/loss曲线

在训练过程中画出accuracy 和loss曲线能够更直观的观察网络训练的状态，以便更好的优化网络的训练。本文主要介绍在基于caffe框架训练网络时，如何利用caffe自带的一些实用的工具包来绘制曲线。

step1:保存日志文件
在训练过程中把终端输出的结果保存为一个日志文件，注意文件的后缀名必须是.log,这是因为后面再解析日志文件时有这个要求。如何把终端保存到日志文件，例子如下：

$TOOLS/caffe train --solver=$SOLVERFILE 2>&1 |tee out.log

step2:解析日志文件
这一步利用caffe中tools/extra文件夹下的parse_log.py来解析日志文件。具体例子如下：

python parse_log.py out.log ./ #两个参数，一个是日志文件，另一个是保存的路径

运行结束之后会发现在你保存的路径中会生成两个文件out.log.train和out.log.test

step3:绘制accuracy 和loss曲线。
利用caffe中tools/extra文件夹下的plot_training_log.py文件来绘制。

python plot_training_log.py 2 testloss.png out.log

这里要解释下，如果你直接运行这个是会报错的。因为在out.log.test文件是这样的。

NumIters,Seconds,TestAccuracy,TestLoss0.0,2.318823,-1,0.360432200.0,10.975734,-1,0.0757681400.0,19.634317,-1,0.0610909600.0,28.295885,-1,0.0554078800.0,36.953475,-1,0.05106061000.0,45.644651,-1,0.0463909

load_data的时候第一行是不读的，要么你自己第一行加个#,要么就直接不读第一行。另外在split的时候不是用空格而是用‘,’因此做如下修改。

def load_data(data_file, field_idx0, field_idx1):    data = [[], []]    with open(data_file, 'r') as f:        num=len(f)        for line_num in range(1,num):#此处修改            line = f[line_num].strip()            #if line[0] != '#':#此处修改            fields = line.split(',')#此处修改            data[0].append(float(fields[field_idx0].strip()))            data[1].append(float(fields[field_idx1].strip()))    return data

上面还有个地方需要解释就是那个2是什么意思，这个你直接运行下python plot_training_log.py就会打出帮助信息，就能看见了。

以上就是利用caffe自带的工具包绘制曲线的方法。