caffe訓練過程中的視覺化

import caffe

caffe.set_device(0)

caffe.set_mode_gpu()

# 使用sgdsolver，即隨機梯度下降演算法

solver = caffe.sgdsolver('/home/***/mnist/solver.prototxt')

# 等價於solver檔案中的max_iter，即最大解算次數

niter = 10000

# 每隔100次收集一次loss資料

display= 100

# 每次測試進行100次解算

test_iter = 100

# 每500次訓練進行一次測試

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))

# 輔助變數

_train_loss = 0; _test_loss = 0; _accuracy = 0

# 進行解算

for it in range(niter):

# 進行一次解算

solver.step(1)

# 統計train loss

_train_loss += solver.net.blobs['softmaxwithloss1'].data

if it % display == 0:

# 計算平均train loss

train_loss[it // display] = _train_loss / display

_train_loss = 0

if it % test_interval == 0:

for test_it in range(test_iter):

# 進行一次測試

solver.test_nets[0].forward()

# 計算test loss

_test_loss += solver.test_nets[0].blobs['softmaxwithloss1'].data

# 計算test accuracy

_accuracy += solver.test_nets[0].blobs['accuracy1'].data

# 計算平均test loss

test_loss[it / test_interval] = _test_loss / test_iter

# 計算平均test accuracy

test_acc[it / test_interval] = _accuracy / test_iter

_test_loss = 0

_accuracy = 0

# 繪製train loss、test loss和accuracy曲線

print

'\nplot the train loss and test accuracy\n'

_, ax1 = plt.subplots()

ax2 = ax1.twinx()

# train loss -> 綠色

ax1.plot(display * arange(len(train_loss)), train_loss, 'g')

# test loss -> 黃色

ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')

# test accuracy -> 紅色

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()

的訓練過程 高階 深度學習訓練過程視覺化

給機器學習演算法與python學習加星標，提公升ai技能 編輯丨極市平台 機器學習實驗室 datawhale 深度學習訓練過程一直處於黑匣子狀態，有很多同學問我具體怎麼解釋？其實很多還是無法可解釋，但是通過視覺化，具體可以知道深度學習在訓練過程到底學習了哪些特徵？到底對該目標的哪些特徵感興趣？這些我...

visdom視覺化pytorch訓練過程

在深度學習模型訓練的過程中，常常需要實時監聽並視覺化一些資料，如損失值loss，正確率acc等。在tensorflow中，最常使用的工具非tensorboard莫屬 在pytorch中，也有類似的tensorboardx，但據說其在張量資料載入的效率方面不如visdom。visdom是faceboo...

caffe訓練過程中，訓練中斷之後，如何接著訓練？

zxw.sh home tyn downloads center loss caffe build tools caffe train solver face solver.prototxt snapshot center loss model iter 9000.solverstate gpu a...