caffe 利用python绘制loss曲线以及accuracy曲线

废话不多说，

保存log

caffe我们要绘制曲线必须先把运行log给保存下来，我们将运行所产生的log重定向到文件：

./examples/cifar/train_quick.sh >& cifar.log &

“>&”表示将所有的标准输出（stdout）和标准错误输出（stderr）都被重定向，“cifar.log”是重定向后log保存的文件，最后的 “&”表示将命令放入后台运行。
观察运行情况：

tail -f cifar.log

退出观察Ctrl + C

提取loss值以及accuracy值（shell下）

trainloss

$cat cifar.log | grep "Train net output" | awk '{print $11}'

有关grep以及awk的使用参考：
http://www.runoob.com/linux/linux-comm-grep.html
http://www.runoob.com/linux/linux-comm-awk.html

使用类似的方法将testloss,以及accuracy提取出来，保存到testloss.txt，
trainloss.txt，testacc.txt

Python 绘制曲线

首先我们查看一下网络训练参数：

#训练每迭代500次，进行一次预测
test_interval: 500
#每经过100次迭代，在屏幕打印一次运行log
display: 100
#最大迭代次数
max_iter: 10000

#!/usr/bin/env python
# -*- coding:utf-8 -*-

"""
Created on Tue Oct 17  2017

@author: jack wang 
This program for visualize the loss and accuracy

"""
import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt

train_interval = 100  #display = 100
test_interval = 500
max_iter = 10000

def loadData(file):
    dataMat = []
    fr = open(file)
    for line in fr.readlines():
        lineA = line.strip().split()

        dataMat.append(float(lineA[0]))
    return dataMat


trainloss = loadData('trainloss.txt')
testloss = loadData('testloss.txt')


trainLoss = pd.Series(trainloss, index = range(0,max_iter,100))
testLoss = pd.Series(testloss, index = range(0,max_iter+500,500))


fig = plt.figure()
plt.plot(trainLoss)
plt.plot(testLoss)
plt.xlabel(u"iter")
plt.ylabel(u"loss") 
plt.title(u"trainloss vs testloss")
plt.legend((u'trainloss', u'testloss'),loc='best') 
plt.show()
testacc = loadData('testacc.txt')
testAcc = pd.Series(testacc, index = range(0,max_iter+500,500))
plt.plot(testAcc)
plt.show()

使用了pandas来间接绘图！
图片：

okay～！