Faster-Rcnn的loss曲线可视化

由于要写论文需要画loss曲线，查找网上的loss曲线可视化的方法发现大多数是基于Imagenat的一些方法，在运用到Faster-Rcnn上时没法用，本人不怎么会编写代码，所以想到能否用python直接写一个代码，读取txt然后画出来，参考大神们的博客，然后总和总算一下午时间，搞出来了，大牛们不要见笑。

首先，在训练Faster-Rcnn时会自己生成log文件，大概在/py-faster-rcnn/experiments/logs文件下，把他直接拿出来,放在任意位置即可，因为是txt格式，可以直接用，如果嫌麻烦重命名1.txt.接下来就是编写程序了

一下为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

通过发现，我们只需获得 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()

绘图结果

参考博客地址：

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

Faster-Rcnn的loss曲线可视化相关推荐

用fast rcnn绘制loss曲线遇到的问题
运行fast rcnn的train,会进入ipython,要先exit退出才能继续运行程序绘制图像时,用了命令: ./tools/train_net.py --gpu 0 --solver mode ...
Faster R-CNN画PR曲线
参考:https://github.com/rbgirshick/py-faster-rcnn/issues/670 原地址https://blog.csdn.net/hongxingabc/arti ...
faster rcnn第二阶段loss出现nan_利用Faster_Rcnn训练模型时出现的问题
最近学习复现Faster_Rcnn,复现后用自己的数据集训练时出现以下的问题. 问题1:'NoneType' object has no attribute 'shape' 环境:python3.5 ...
里程碑式成果Faster RCNN复现难？我们试了一下 | 附完整代码
作者 | 已退逼乎来源 | 知乎 [导读]2019年以来,除各AI 大厂私有网络范围外,MaskRCNN,CascadeRCNN 成为了支撑很多业务得以开展的基础,而以 Faster RCNN 为基 ...
实例分割模型Mask R-CNN详解——从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN
转载自 jiongnima 原文链接 https://blog.csdn.net/jiongnima/article/details/79094159 Mask R-CNN是ICCV 2017的bes ...
实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN
Mask R-CNN是ICCV 2017的best paper,彰显了机器学习计算机视觉领域在2017年的最新成果.在机器学习2017年的最新发展中,单任务的网络结构已经逐渐不再引人瞩目,取而代之的是 ...
Caffe版Faster R-CNN可视化——网络模型,图像特征,Loss图,PR曲线
可视化网络模型 Caffe目前有两种常用的可视化模型方式: 使用Netscope在线可视化 Caffe代码包内置的draw_net.py文件可以可视化网络模型 Netscope能可视化神经网络体系 ...
Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线（训练接、验证集）及效果可视化
Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线(训练接.验证集)及效果可视化在每个training/epoch/batch结束时,如果我们想执行某些任务,例如模型缓存. ...
Visdom数据可视化工具绘制Loss曲线
目录 Visdom介绍 Loss可视化代码编写视频链接 Visdom介绍 Visdom是FaceBook公司开发的一款开源数据可视化工具,以其简单易用的功能,很快成为PyTorch的一个数据可视化工 ...

Faster-Rcnn的loss曲线可视化

Faster-Rcnn的loss曲线可视化相关推荐

最新文章

热门文章