深度学习-caffe保存训练输出到log 并绘制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

一、设置训练配置文件参数，保存训练时的参数至log文件

 

TOOLS=./build/toolsLOG=examples/testCreateLmDB/log/log-`date +%Y-%m-%d-%H-%M-%S`.log$TOOLS/caffe train \  --solver=examples/testCreateLmDB/my_quick_solver.prototxt 2>&1   | tee $LOG $@

其中：tee ：将输出内容 重定向到日志文件中，同时在终端打印输出

             2>&1 是将标准出错重定向到标准输出，这里的标准输出已经重定向到了out.file文件，即将标准出错也输出到out.file文件中。最后一个&， 是让该命令在后台执行

二、开始训练后，在log目录里面生成“log-2017-03-22-10-33-20.log”日志文件

 

三、解析log中的内容 分成train和 test会在当前文件夹下生成log-data.train和 log-data.test两个文件

 tools/extra

    ./parse_log.sh  log-2017-03-22-10-33-20.log

 

四、调用py程序绘制图形

tools/extra

./plot_training_log.py.example 0 save.png log-data.log

其中0代表曲线类型， save.png 代表保存的图片名称  caffe中支持很多种曲线绘制，通过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

其结果如下：

./plot_training_log.py.example 0 save.png /home/lw/caffe/examples/testCreateLmDB/log/log-2017-03-22-10-33-20.log 

./plot_training_log.py.example 2 save.png /home/lw/caffe/examples/testCreateLmDB/log/log-2017-03-22-10-33-20.log