国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

caffe的python插口制作loss和accuracy曲線圖

89542767 / 373人閱讀

　　此篇文章主要是給大家介紹了caffe的python插口制作loss和accuracy曲線圖實(shí)例詳細(xì)說明，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的發(fā)展，盡早漲薪


　　前言


　　使用python插口來運(yùn)行caffe程序流程，根本原因是python很容易數(shù)據(jù)可視化。所以才建議大家在cmd下邊運(yùn)行python程序流程。如果一定要在cmd下邊運(yùn)作，不如直接用c++算了。


　　強(qiáng)烈推薦使用jupyternotebook，spyder等設(shè)備來運(yùn)行python編碼，這樣也和它數(shù)據(jù)可視化完美融合在一起。


　　anaconda庫(kù)


　　我屬于用anaconda來組裝一連串python三方庫(kù)的，因此我所使用的是spyder,與matlab頁(yè)面類似的這款在線編輯器，在運(yùn)行中，可以看一下各自變量數(shù)值，有利于了解，如下圖所示：

01.png

　　只要安裝了anaconda，運(yùn)行方式也非常方便，直接在終端輸入spyder命令就可以了。


　　python接口實(shí)現(xiàn)


　　在caffe的訓(xùn)練過程中，我們?nèi)绻胫滥硞€(gè)階段的loss值和accuracy值，并用圖表畫出來，用python接口就對(duì)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(jī)梯度下降算法
　　solver=caffe.SGDSolver('/home/xxx/mnist/solver.prototxt')
　　#等價(jià)于solver文件中的max_iter，即最大解算次數(shù)
　　niter=9380
　　#每隔100次收集一次數(shù)據(jù)
　　display=100
　　#每次測(cè)試進(jìn)行100次解算，10000/100
　　test_iter=100
　　#每500次訓(xùn)練進(jìn)行一次測(cè)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(jì)入
　　solver.step(1)
　　#輔助變量
　　_train_loss=0;_test_loss=0;_accuracy=0
　　#進(jìn)行解算
　　for it in range(niter):
　　#進(jìn)行一次解算
　　solver.step(1)
　　#每迭代一次，訓(xùn)練batch_size張圖片
　　_train_loss+=solver.net.blobs['SoftmaxWithLoss1'].data
　　if it%display==0:
　　#計(jì)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(jìn)行一次測(cè)試
　　solver.test_nets[0].forward()
　　#計(jì)算test loss
　　_test_loss+=solver.test_nets[0].blobs['SoftmaxWithLoss1'].data
　　#計(jì)算test accuracy
　　_accuracy+=solver.test_nets[0].blobs['Accuracy1'].data
　　#計(jì)算平均test loss
　　test_loss[it/test_interval]=_test_loss/test_iter
　　#計(jì)算平均test accuracy
　　test_acc[it/test_interval]=_accuracy/test_iter
　　_test_loss=0
　　_accuracy=0
　　#繪制train loss、test loss和accuracy曲線
　　print'nplot the train loss and test accuracyn'
　　_,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()


　　最后生成的圖表在上圖中已經(jīng)顯示出來了。


　　綜上所述，這篇文章就給大家解答完畢了，希望可以給大家?guī)韼椭?/p>

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://m.specialneedsforspecialkids.com/yun/128756.html

相關(guān)文章

  • caffe的python插口形成環(huán)境變量學(xué)習(xí)培訓(xùn)

    　　此篇文章主要是詳細(xì)介紹了caffe的python插口形成環(huán)境變量學(xué)習(xí)培訓(xùn)，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的發(fā)展，盡早漲薪　　caffe是C++語言表達(dá)所寫的，可能大家不太熟，所以想要更方便的編程語言來達(dá)到。caffe給予matlab接口和python插口，這幾種語言表達(dá)就比較簡(jiǎn)單，并且很容易開展數(shù)據(jù)可視化，導(dǎo)致學(xué)習(xí)培訓(xùn)更為迅速，了解更加深刻。　　一年前，我在...

    89542767 評(píng)論0 收藏0

  • caffe的python插口之手寫數(shù)字識(shí)別mnist案例

    　　文中主要是給大家介紹了caffe的python插口之手寫數(shù)字識(shí)別mnist案例詳細(xì)說明，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的發(fā)展，盡早漲薪　　論文引言　　機(jī)器學(xué)習(xí)第一個(gè)案例一般都是是mnist，只需這個(gè)案例徹底搞懂了，其他的便是觸類旁通的事了。因?yàn)樽謹(jǐn)?shù)緣故，文中不簡(jiǎn)單介紹環(huán)境變量里邊每一個(gè)指標(biāo)的具體函義，如果要搞明白的，請(qǐng)參考我之前的微博文章：　　數(shù)據(jù)訪問層及主...

    89542767 評(píng)論0 收藏0

  • caffe的python接口deploy形成caffemodel歸類新的圖片

    　　本文主要是給大家介紹了caffe的python插口生成deploy文件學(xué)習(xí)培訓(xùn)及其用練習(xí)好一點(diǎn)的實(shí)體模型（caffemodel）來歸類新的圖片實(shí)例詳細(xì)說明，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的發(fā)展，盡早漲薪　　caffe的python插口生成deploy文件　　假如要將練習(xí)好一點(diǎn)的實(shí)體模型用于檢測(cè)新的圖片，那必然必須得一個(gè)deploy.prototxt文件，這一...

    89542767 評(píng)論0 收藏0

  • Python實(shí)現(xiàn)雙向RNN與堆疊的雙向RNN的示例代碼

    　　小編寫這篇文章的一個(gè)主要目的，主要是給大家做一個(gè)詳細(xì)的介紹，介紹的內(nèi)容主要是利用Python知識(shí)，利用Python去實(shí)現(xiàn)RNN與堆疊的RNN，具體的實(shí)例代碼，下面就給大家詳細(xì)的去做一個(gè)解答。　　1、雙向RNN　　雙向RNN(Bidirectional RNN)的結(jié)構(gòu)如下圖所示。　　 雙向的RNN是同時(shí)考慮過去和未來的信息。上圖是一個(gè)序列長(zhǎng)度為4的雙向RNN結(jié)構(gòu)。　　雙向RNN就像是我們做閱...

    89542767 評(píng)論0 收藏0

  • caffe的python插口形成solver文件詳細(xì)說明學(xué)習(xí)培訓(xùn)

    　　本文主要是給大家介紹了caffe的python插口形成solver文件詳細(xì)說明學(xué)習(xí)培訓(xùn)實(shí)例，感興趣的小伙伴可以參考借鑒一下，希望可以有一定的幫助，祝愿大家多多的不斷進(jìn)步，盡早漲薪　　也有一些基本參數(shù)必須計(jì)算出來的，并不是亂設(shè)定。　　solver.prototxt的文件參數(shù)設(shè)置　　caffe在訓(xùn)練的時(shí)候，需要一些參數(shù)設(shè)置，我們一般將這些參數(shù)設(shè)置在一個(gè)叫solver.prototxt的文件里面，如...

    89542767 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<