利用Caffe Python接口绘制Loss与Accuracy训练曲线

Oliver

发布时间：2026-10-15 | 4人浏览过

原创

本文介绍如何使用Caffe的Python接口可视化训练过程中的Loss和Accuracy。通过推荐Anaconda环境及Spyder工具，展示如何配置SGDSolver参数，并在迭代过程中收集数据，最终生成训练损失、测试损失及测试准确率的对比图表，帮助开发者直观监控模型训练状态。

引言

选择使用Python接口运行Caffe程序，核心优势在于其便捷的可视化能力。因此，不建议直接在命令行环境下执行Python脚本；若坚持使用命令行，直接使用C++接口可能是更高效的选择。

强烈建议使用Jupyter Notebook或Spyder等集成开发环境来运行Python代码，以便充分发挥其可视化优势，实现代码与结果的无缝结合。

Anaconda库环境配置

鉴于使用Anaconda安装各类Python第三方库，本文选用Spyder作为编辑器。Spyder界面风格类似Matlab，在运行过程中支持实时查看变量值，便于理解代码逻辑，具体界面效果如所示。

只要系统中已安装Anaconda，启动Spyder非常简单，只需在终端输入spyder命令即可运行。

Python接口实现细节

在Caffe模型训练过程中，若需获取特定阶段的Loss值和Accuracy值并绘制成图表，使用Python接口是最佳方案。

# -*- 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，即随机梯度下降算法  
solver = caffe.SGDSolver('/home/xxx/mnist/solver.prototxt')  
# 等价于solver文件中的max_iter，即最大解算次数  
niter = 9380  
# 每隔100次收集一次数据  
display= 100  
# 每次测试进行100次解算，10000/100  
test_iter = 100  
# 每500次训练进行一次测试（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，不计入  
solver.step(1)  
# 辅助变量  
_train_loss = 0; _test_loss = 0; _accuracy = 0  
# 进行解算  
for it in range(niter):  
    # 进行一次解算  
    solver.step(1)  
    # 每迭代一次，训练batch_size张图片  
    _train_loss += solver.net.blobs['SoftmaxWithLoss1'].data  
    if it % display == 0:  
        # 计算平均train loss  
        train_loss[it // display] = _train_loss / display  
        _train_loss = 0  
    if it % test_interval == 0:  
        for test_it in range(test_iter):  
            # 进行一次测试  
            solver.test_nets[0].forward()  
            # 计算test loss  
            _test_loss += solver.test_nets[0].blobs['SoftmaxWithLoss1'].data  
            # 计算test accuracy  
            _accuracy += solver.test_nets[0].blobs['Accuracy1'].data  
        # 计算平均test loss  
        test_loss[it / test_interval] = _test_loss / test_iter  
        # 计算平均test accuracy  
        test_acc[it / test_interval] = _accuracy / test_iter  
        _test_loss = 0  
        _accuracy = 0  
# 绘制train loss、test loss和accuracy曲线  
print '\nplot the train loss and test accuracy\n'  
_, ax1 = plt.subplots()  
ax2 = ax1.twinx()  
# train loss -> 绿色  
ax1.plot(display * arange(len(train_loss)), train_loss, 'g')  
# test loss -> 黄色  
ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')  
# test accuracy -> 红色  
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()

最终生成的可视化图表已在中展示。

以上即为利用Caffe Python接口绘制Loss和Accuracy曲线的完整内容，更多相关技术细节请查阅本站其他文章。