由于要寫論文需要畫loss曲線，查找網上的loss曲線可視化的方法發現大多數是基于Imagenat的一些方法，在運用到Faster-Rcnn上時沒法用，本人不怎么會編寫代碼，所以想到能否用python直接寫一個代碼，讀取txt然后畫出來，參考大神們的博客，然后總和總算一下午時間，搞出來了，大牛們不要見笑。

? ? ? ? 首先，在訓練Faster-Rcnn時會自己生成log文件，大概在/py-faster-rcnn/experiments/logs文件下，把他直接拿出來,放在任意位置即可，因為是txt格式，可以直接用，如果嫌麻煩重命名1.txt.接下來就是編寫程序了

一下為log基本的格式

I0530 08:54:19.183091 10143 solver.cpp:229] Iteration 22000, loss = 0.173712
I0530 08:54:19.183137 10143 solver.cpp:245] ? ? Train net output #0: rpn_cls_loss = 0.101713 (* 1 = 0.101713 loss)
I0530 08:54:19.183145 10143 solver.cpp:245] ? ? Train net output #1: rpn_loss_bbox = 0.071999 (* 1 = 0.071999 loss)
I0530 08:54:19.183148 10143 sgd_solver.cpp:106] Iteration 22000, lr = 0.001

通過發現，我們只需獲得?Iteration?和loss就行

[python] view plaincopy

#!/usr/bin/env?python??

import?os??

import?sys??

import?numpy?as?np??

import?matplotlib.pyplot?as?plt??

import?math??

import?re??

import?pylab??

from?pylab?import?figure,?show,?legend??

from?mpl_toolkits.axes_grid1?import?host_subplot??

??

#?read?the?log?file??

fp?=?open('2.txt',?'r')??

??

train_iterations?=?[]??

train_loss?=?[]??

test_iterations?=?[]??

#test_accuracy?=?[]??

??

for?ln?in?fp:??

??#?get?train_iterations?and?train_loss??

??if?']?Iteration?'?in?ln?and?'loss?=?'?in?ln:??

????arr?=?re.findall(r'ion?\b\d+\b,',ln)??

????train_iterations.append(int(arr[0].strip(',')[4:]))??

????train_loss.append(float(ln.strip().split('?=?')[-1]))??

??????

fp.close()??

??

host?=?host_subplot(111)??

plt.subplots_adjust(right=0.8)?#?ajust?the?right?boundary?of?the?plot?window??

#par1?=?host.twinx()??

#?set?labels??

host.set_xlabel("iterations")??

host.set_ylabel("RPN?loss")??

#par1.set_ylabel("validation?accuracy")??

??

#?plot?curves??

p1,?=?host.plot(train_iterations,?train_loss,?label="train?RPN?loss")??

#p2,?=?par1.plot(test_iterations,?test_accuracy,?label="validation?accuracy")??

??

#?set?location?of?the?legend,???

#?1->rightup?corner,?2->leftup?corner,?3->leftdown?corner??

#?4->rightdown?corner,?5->rightmid?...??

host.legend(loc=1)??

??

#?set?label?color??

host.axis["left"].label.set_color(p1.get_color())??

#par1.axis["right"].label.set_color(p2.get_color())??

#?set?the?range?of?x?axis?of?host?and?y?axis?of?par1??

host.set_xlim([-1500,60000])??

host.set_ylim([0.,?1.6])??

??

plt.draw()??

plt.show()??

繪圖結果

參考博客地址：

http://blog.csdn.net/YhL_Leo/article/details/51774966

總結

以上是生活随笔為你收集整理的Faster-Rcnn的loss曲线可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。