caffe的python接口學習（7）：繪製loss和accuracy曲線

使用python接口來運行caffe程序，主要的緣由是python很是容易可視化。因此不推薦你們在命令行下面運行python程序。若是非要在命令行下面運行，還不如直接用 c++算了。

推薦使用jupyter notebook，spyder等工具來運行python代碼，這樣才和它的可視化完美結合起來。

由於我是用anaconda來安裝一系列python第三方庫的，因此我使用的是spyder,與matlab界面相似的一款編輯器，在運行過程當中，能夠查看各變量的值，便於理解，以下圖：

只要安裝了anaconda，運行方式也很是方便，直接在終端輸入spyder命令就能夠了。

在caffe的訓練過程當中，咱們若是想知道某個階段的loss值和accuracy值，並用圖表畫出來，用python接口就對了。

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 19 16:22:22 2016

@author: root
"""

import matplotlib.pyplot as plt  
import caffe   
caffe.set_device(0)  
caffe.set_mode_gpu()   
# 使用SGDSolver，即隨機梯度降低算法  
solver = caffe.SGDSolver('/home/xxx/mnist/solver.prototxt')  
  
# 等價於solver文件中的max_iter，即最大解算次數  
niter = 9380  
# 每隔100次收集一次數據  
display= 100  
  
# 每次測試進行100次解算，10000/100  
test_iter = 100  
# 每500次訓練進行一次測試（100次解算），60000/64  
test_interval =938  
  
#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))  
  
# iteration 0，不計入  
solver.step(1)  
  
# 輔助變量  
_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)  
    # 每迭代一次，訓練batch_size張圖片  
    _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()  
        

最後生成的圖表在上圖中已經顯示出來了。