caffe训练过程中的可视化
来源:互联网 发布:好玩又不要网络的游戏 编辑:程序博客网 时间:2024/05/17 03:05
import matplotlib.pyplot as plt import caffe caffe.set_device(0) caffe.set_mode_gpu() # 使用SGDSolver,即随机梯度下降算法 solver = caffe.SGDSolver('/home/xxx/mnist/solver.prototxt') # 等价于solver文件中的max_iter,即最大解算次数 niter = 10000 # 每隔100次收集一次loss数据 display= 100 # 每次测试进行100次解算 test_iter = 100# 每500次训练进行一次测试test_interval =500 #初始化 train_loss = zeros(ceil(niter * 1.0 / display)) test_loss = zeros(ceil(niter * 1.0 / test_interval)) test_acc = zeros(ceil(niter * 1.0 / test_interval)) # 辅助变量 _train_loss = 0; _test_loss = 0; _accuracy = 0 # 进行解算 for it in range(niter): # 进行一次解算 solver.step(1) # 统计train loss _train_loss += solver.net.blobs['SoftmaxWithLoss1'].data if it % display == 0: # 计算平均train loss train_loss[it // display] = _train_loss / display _train_loss = 0 if it % test_interval == 0: for test_it in range(test_iter): # 进行一次测试 solver.test_nets[0].forward() # 计算test loss _test_loss += solver.test_nets[0].blobs['SoftmaxWithLoss1'].data # 计算test accuracy _accuracy += solver.test_nets[0].blobs['Accuracy1'].data # 计算平均test loss test_loss[it / test_interval] = _test_loss / test_iter # 计算平均test accuracy test_acc[it / test_interval] = _accuracy / test_iter _test_loss = 0 _accuracy = 0 # 绘制train loss、test loss和accuracy曲线 print '\nplot the train loss and test accuracy\n' _, ax1 = plt.subplots() ax2 = ax1.twinx() # train loss -> 绿色 ax1.plot(display * arange(len(train_loss)), train_loss, 'g') # test loss -> 黄色 ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y') # test accuracy -> 红色 ax2.plot(test_interval * arange(len(test_acc)), test_acc, 'r') ax1.set_xlabel('iteration') ax1.set_ylabel('loss') ax2.set_ylabel('accuracy') plt.show()
0 0
- caffe训练过程中的可视化
- caffe训练日志可视化
- caffe 训练log可视化
- YOLO模型训练可视化训练过程中的中间参数
- YOLO模型训练可视化训练过程中的中间参数
- TensorFlow在MNIST中的应用-训练过程的可视化
- 概念澄清:Caffe训练过程中的test_iter test_interval等概念
- caffe:如何保存训练模型过程中的日志?
- caffe绘制训练过程中的accuracy、loss曲线
- caffe训练的实时可视化思路
- Tensorflow 可视化 Tensorboard2 训练过程
- 【Python】【Caffe】二、训练输出可视化《python调用caffe模块》
- Caffe 训练 cifar10 详细过程
- Adaboost算法的可视化训练过程
- 利用caffe日志进行测试精度训练损失等的画图(caffe训练结果可视化)
- Caffe学习笔记(4) -- 可视化训练结果
- Caffe的可视化训练:绘制loss和accuracy曲线
- caffe mnist实战训练(5)用可视化图片解决问题
- pandas dataframe 按某一列的值分成多个小的dataframe
- 交换法排序
- web测试
- uva156 Ananagrams
- 程序员12月书讯
- caffe训练过程中的可视化
- SDL_FreeSurface函数
- 使用PyPharm编写第一个selenium脚本
- 3.0以上版本redis在Windows下配置问题
- 基于AFNetWorking 和 alamofire 的SSL特定服务器证书信任处理
- android开发 Bugly集成
- 如何在博文中插入LaTeX公式?
- 【easyui】 jq 表单返回的数据,动态增加部分数据后,提交到后台进行处理
- 前端入门经验分享