YOLOv3可视化Loss曲线

YOLOv3如何打印Loss曲线
我接触这个框架有一段时间了，我是基于pytorch框架跑的代码，有童鞋想问怎么跑这个YOLOv3试验，这里我建议先学习一下这篇YOLOv3训练自己的数据集（pytorch框架）博客链接，我也是先跑通这个试验才学着处理自己的数据集的，新手也不要害怕，可能自己的电脑配置环境，还有版本的一些问题，可能跑起来都不顺利，我的经验是变得厚脸皮一点，可以私信或者评论大佬们的博客，看看有没有好心的人可以回复，或者加相关的群问，总有人碰到类似的问题，总有人会给你回复，也是学习。

好了，啰嗦了半天，都跑题了，嗯，我比较适合劝学~切题，我今天想介绍2种打印Loss曲线的方法，我第一段中提到的博客，results.png图片中没有找到Loss曲线，只有Giou，map，F1等指数，就是没有LOSS曲线，loss曲线在深度学习中的作用，大家应该都知道，于是我找了2种方法来打印loss曲线，记录一下，方便以后查看。

1.python代码实现loss曲线的绘制
**特别注意：**首先在yolov3中生成的results.txt文件中的第六列就是咱们的loss值，python程序只需要读取这个文件就能画出loss曲线了。这里说一下，这个results.txt文件第一列/1…这种要删除，换成1.2.3…;第三列我记不清了有个G也得全部去掉，因为不去掉这2个地方，python读取文件的时候就会报错。
有网友问我如何批量删除这2列，他说他是一个个手动删除的列，OMG~~如果训练1000epoch那是不是要手动删除2000次。想办法呗！（办法应该很多，我觉得这个好用就用啦）
开始我在python程序中删除，发现不好删，后面我百度了一下将txt文件f复制到word中删除列好方便啊，光标定位在第二列第一个字的前面，然后按住Alt键，拖动鼠标，选中第二列字，松开Alt键，点击Delete键即可。

我参考的这个python代码实现loss曲线的绘制链接这个博客是画2条曲线，我们可以去掉另外一条线的代码，我贴一下去掉后的代码如下：
import numpy as np
import matplotlib.pyplot as plt
import pylab as pl
from mpl_toolkits.axes_grid1.inset_locator import inset_axes
data1_loss =np.loadtxt(“D:\results.txt”)#results.txt存放路径
#print(data1_loss[0])

x = data1_loss[:,0] #第一列
y = data1_loss[:,5] #loss值第六列，所以是5
fig = plt.figure(figsize = (7,5)) #figsize是图片的大小ax1 = fig.add_subplot(1, 1, 1) # ax1是子图的名字
pl.plot(x,y,‘r-’,label=u’result’)
**# ‘’g‘’代表“green”,表示画出的曲线是绿色，“-”代表画的曲线是实线，可自行选择，label代表的是图例的名称，一般要在名称前面加一个u，如果名称是中文，会显示不出来，目前还不知道怎么解决。

p2 = pl.plot(x1, y1,‘r-’, label = u’RCSCA_Net’)

#显示图例

p3 = pl.plot(x2,y2, ‘b-’, label = u’SCRCA_Net’)**

pl.legend()
pl.xlabel(u’epoch’)
pl.ylabel(u’loss’)
plt.title(’ loss for yolov3 models in training’)
plt.show()
结果如下图：

另外一种就是使用tensorboard可视化loss曲线另外还有这个链接大家可以先了解一下，主要是还是依靠train.py里面添加几行代码就可以可视化了
首先你的电脑得安装了tensorboard，我之前电脑就装了tensorflow，先了解一下如何安装安装tesnorboard链接参考你只有安装了这个在train.py中修改代码才能生效。
话不多说了，下面我展示下在train.py中我的代码加在哪里
tensorboard可视化
前面可以导入包
train代码在第五行左右加入writer = SummaryWriter(comment=‘Linear’)如下：
import torch
import torch.nn as nn
from tensorboardX import SummaryWriter
import matplotlib.pyplot as plt
writer = SummaryWriter(comment=‘Linear’)

在279行左右加入打印loss函数writer.add_scalar(‘Train’, loss, epoch)

Compute loss

        loss, loss_items = compute_loss(pred, targets, model)
        if epoch % 10 == 0:
            writer.add_scalar('Train', loss, epoch)

在runs文件夹下打开终端运行 ：tensorboard --logdir=Mar08_18-27-26_lmars-VM-ULinear
注意：这里一定要在runs文件夹内运行，不然会访问不了路径。输入上面的命令就出现了一串地址的链接，复制该链接在浏览器上就出现了下图的loss曲线：

至此，loss曲线可视化就完成啦！
其实pytroch自带的visdom工具也可以，我还没用过，大家可以试试啊，办法很多很多~~~~