希望大家仔细阅读，能够学有所成！

引言

使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。

其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制

一、数据读取与存储部分

我们首先要得到训练时的数据，以损失值为例，网络每迭代一次都会产生相应的 loss，那么我们就把每一次的损失值都存储下来，存储到列表，保存到 .txt 文件中。保存的文件如下图所示：

[1.3817585706710815, 1.8422836065292358, 1.1619832515716553, 0.5217241644859314, 0.5221078991889954, 1.3544578552246094, 1.3334463834762573, 1.3866571187973022, 0.7603049278259277]

上图为部分损失值，根据迭代次数而异，要是迭代了1万次，这里就会有1万个损失值。
而准确率值是每一个 epoch 产生一个值，要是训练100个epoch，就有100个准确率值。

（那么问题来了，这里的损失值是怎么保存到文件中的呢？ 很少有人讲这个，也有一些小伙伴们来咨询，这里就统一记录一下，包括损失值和准确率值。）

首先，找到网络训练代码，就是项目中的 main.py，或者 train.py ，在文件里先找到训练部分，里面经常会有这样一行代码：

forepochinrange(resume_epoch,num_epochs):#就是这一行
...loss=criterion(outputs,labels.long())#损失样例...
epoch_acc=running_corrects.double()/trainval_sizes[phase]#准确率样例
...

从这一行开始就是训练部分了，往下会找到类似的这两句代码，就是损失值和准确率值了。

这时候将以下代码加入源代码就可以了：

train_loss=[]
train_acc=[]
forepochinrange(resume_epoch,num_epochs):#就是这一行
...loss=criterion(outputs,labels.long())#损失样例train_loss.append(loss.item())#损失加入到列表中...epoch_acc=running_corrects.double()/trainval_sizes[phase]#准确率样例train_acc.append(epoch_acc.item())#准确率加入到列表中...
withopen("./train_loss.txt",'w')astrain_los:
train_los.write(str(train_loss))
withopen("./train_acc.txt",'w')astrain_ac:
train_ac.write(str(train_acc))

这样就算完成了损失值和准确率值的数据存储了！

二、绘制 loss 曲线

主要需要 numpy 库和 matplotlib 库，如果不会安装可以自行百度，很简单。

首先，将 .txt 文件中的存储的数据读取进来，以下是读取函数：

importnumpyasnp
读取存储为txt文件的数据
defdata_read(dir_path):
withopen(dir_path,"r")asf:
raw_data=f.read()
data=raw_data[1:-1].split(",")#[-1:1]是为了去除文件中的前后中括号"[]"
returnnp.asfarray(data,float)

然后，就是绘制 loss 曲线部分：

ifname=="main":
train_loss_path=r"E:\relate_code\Gaitpart-master\train_loss.txt"#存储文件路径y_train_loss=data_read(train_loss_path)#loss值，即y轴x_train_loss=range(len(y_train_loss)) #loss的数量，即x轴plt.figure()
去除顶部和右边框框
ax=plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.xlabel('iters')#x轴标签
plt.ylabel('loss')#y轴标签
#以x_train_loss为横坐标，y_train_loss为纵坐标，曲线宽度为1，实线，增加标签，训练损失，#默认颜色，如果想更改颜色，可以增加参数color='red',这是红色。
plt.plot(x_train_loss,y_train_loss,linewidth=1,line,label="trainloss")
plt.legend()
plt.title('Losscurve')
plt.show()

这样就算把损失图像画出来了！如下：

三、绘制准确率曲线

有了上面的基础，这就简单很多了。
只是有一点要记住，上面的x轴是迭代次数，这里的是训练轮次 epoch。

ifname=="main":
train_acc_path=r"E:\relate_code\Gaitpart-master\train_acc.txt"#存储文件路径y_train_acc=data_read(train_acc_path)#训练准确率值，即y轴x_train_acc=range(len(y_train_acc)) #训练阶段准确率的数量，即x轴plt.figure()
去除顶部和右边框框
ax=plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.xlabel('epochs')#x轴标签
plt.ylabel('accuracy')#y轴标签
#以x_train_acc为横坐标，y_train_acc为纵坐标，曲线宽度为1，实线，增加标签，训练损失，#增加参数color='red',这是红色。
plt.plot(x_train_acc,y_train_acc,color='red',linewidth=1,line,label="trainacc")
plt.legend()
plt.title('Accuracycurve')
plt.show()

这样就把准确率变化曲线画出来了！如下：

以下是完整代码，以绘制准确率曲线为例，并且将x轴换成了iters，和损失曲线保持一致，供参考：

importnumpyasnp
importmatplotlib.pyplotasplt
读取存储为txt文件的数据
defdata_read(dir_path):
withopen(dir_path,"r")asf:
raw_data=f.read()
data=raw_data[1:-1].split(",")
returnnp.asfarray(data,float)
不同长度数据，统一为一个标准，倍乘x轴
defmultiple_equal(x,y):
x_len=len(x)
y_len=len(y)
times=x_len/y_len
y_times=[i*timesforiiny]
returny_times
ifname=="main":
train_loss_path=r"E:\relate_code\Gaitpart-master\file_txt\train_loss.txt"
train_acc_path=r"E:\relate_code\Gaitpart-master\train_acc.txt"
y_train_loss=data_read(train_loss_path)
y_train_acc=data_read(train_acc_path)
x_train_loss=range(len(y_train_loss))
x_train_acc=multiple_equal(x_train_loss,range(len(y_train_acc)))
plt.figure()
去除顶部和右边框框
ax=plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.xlabel('iters')
plt.ylabel('accuracy')
plt.plot(x_train_loss,y_train_loss,linewidth=1,line,label="trainloss")
plt.plot(x_train_acc,y_train_acc,color='red',line,label="trainaccuracy")
plt.legend()
plt.title('Accuracycurve')
plt.show()