包含python损失函数绘制的词条

python函数图的绘制

pre

成都创新互联公司-专业网站定制、快速模板网站建设、高性价比靖州网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式靖州网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖靖州地区。费用合理售后完善，10多年实体公司更值得信赖。

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.patches import Polygon

def func(x):

return -(x-2)*(x-8)+40

x=np.linspace(0,10)

y=func(x)

fig,ax = plt.subplots()

plt.plot(x,y,'r',linewidth=2)

plt.ylim(ymin=20)

a=2

b=9

ax.set_xticks([a,b])

ax.set_xticklabels(['$a$','$b$'])

ax.set_yticks([])

plt.figtext(0.9,0.05,'$x$')

plt.figtext(0.1,0.9,'$y$')

ix=np.linspace(a,b)

iy=func(ix)

ixy=zip(ix,iy)

verts=[(a,0)]+list(ixy)+[(b,0)]

poly = Polygon(verts,facecolor='0.9',edgecolor='0.5')

ax.add_patch(poly)

x_math=(a+b)*0.5

y_math=35

plt.text(x_math,y_math,r"$\int_a^b(-(x-2)*(x-8)+40)dx$",horizontalalignment='center',size=12)

plt.show()

/pre

请问卷积神经网络中这种loss图是用什么画的？

你可以使用Matlab，或者Matplotlib（一个著名的python绘图包，强烈建议）。

Matplotlib: Python可视化

Matplotlib是一个用Python创建静态、动画和交互式可视化的综合性库。Matplotlib让简单的事情变得简单，让困难的事情成为可能。

1. 创建出版质量图。

2. 制作可以缩放、平移、更新的交互式图形。

3. 自定义视觉样式和布局。

4. 导出到许多文件格式。

5. 嵌入JupyterLab和图形用户界面。

6. 使用构建在Matplotlib上的第三方包的丰富数组。

matplotlib参考官网，以及用法

有任何疑问欢迎回复！！

如何利用caffe自带的工具包绘制accuracy/loss曲线

需要用到的文件在 caffe/tools/extra/plot_training_log.py.example

还需要用到caffe/tools/extra/parse_log.sh 和 caffe/tools/extra/extract_seconds.py文件（如果不在当前目录执行记得都拷贝出来）

执行命令 python plot_training_log.py 0 save.png my.log

0 -为绘制类型，会有usage 提示或者查看源码 为要画那种图，有测试的、训练的accurary等等

Usage:

./plot_training_log.py chart_type[0-7] /where/to/save.png /path/to/first.log ...

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

3: Test loss vs. Seconds

4: Train learning rate vs. Iters

5: Train learning rate vs. Seconds

6: Train loss vs. Iters

7: Train loss vs. Seconds

save.png 是保存图像路径

my.log 是训练caffe定义的层输出日志路径，也就是当前要绘制曲线的数据，必须以.log结尾

eg:

python ./plot_training_log.py 0 ~/share/learn-caffe/accuracy_iter.png ~/share/learn-caffe/lesson04/mnist_lenet.log