(原文地址:http://blog.csdn.net/liuweizj12/article/details/64920428)
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
[python] view plain copy
TOOLS=./build/tools
LOG=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
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