网站开发主要都做些什么,网站二次开发多少钱,wordpress付费主题下载,微信广告投放收费标准有一些深度学习模型是并不像yolo系列那样最终输出相应的参数图#xff0c;有很多训练形成了一个训练log文件#xff0c;于是需要读取log文件中的内容并绘制成曲线图。
如下实例#xff0c;有一个log文件的部分截图#xff0c;需要将其读取出来并绘制曲线图 废话不多说有很多训练形成了一个训练log文件于是需要读取log文件中的内容并绘制成曲线图。
如下实例有一个log文件的部分截图需要将其读取出来并绘制曲线图 废话不多说直接上代码
import os
import re
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
txt_dir D:/TEST/train.log # 文件路径
# 读取文件内容
with open(txt_dir, r) as f:data f.read()# print(data)
# 利用正则匹配出相应的数据并提取
epoch_num re.findall(Epoch (.*) Train, data)
# print(epoch_num)
Loss_MSE_MAE re.findall(Train, (.*), Cost, data) # 由于找不到合适的正则条件于是先取出来一整行数据后续重新正则匹配
# print(Loss_MSE_MAE)
Loss []
MSE []
MAE []
for info in Loss_MSE_MAE:# print(info)Loss_num re.findall(Loss: (.*), MSE, info)MSE_num re.findall(MSE: (.*) MAE, info)MAE_num re.findall(MAE: (.*), info)# print(Loss_num, /n, MSE_num,/n, MAE_num)Loss.append(Loss_num[0])MSE.append(MSE_num[0])MAE.append(MAE_num[0])
# print(Loss, MSE, MAE)
# 将列表中数字的引号去掉生成参数列表
Loss str(Loss).replace(,)
Loss Loss.replace([, ).replace(], ).split(, )
Loss [float(d) for d in Loss]MSE str(MSE).replace(,)
MSE MSE.replace([, ).replace(], ).split(, )
MSE [float(d) for d in MSE]MAE str(MAE).replace(,)
MAE MAE.replace([, ).replace(], ).split(, )
MAE [float(d) for d in MAE]
# print(Loss, MSE, MAE)# 开始画图,前面我们得到了epoch这将作为横坐标得到了Loss, MSE, MAE等参数将用于画图
# 下面是同时生成三张图的方法可以参考
fig, axs plt.subplots(nrows1, ncols3, figsize(30, 6), dpi300)
y_data [Loss[2:], MSE[2:], MAE[2:]]
colors [red, green, blue]
line_style [-, -, -]
y_labels [Loss, MSE, MAE]
for i in range(3):# axs[i].plot(epoch_num[2:300], y_data[i], c colors[i], label y_labels[i], linestyle line_style[i]) # 横坐标加了epoch太长axs[i].plot(y_data[i], c colors[i], label y_labels[i], linestyle line_style[i]) # 所以不要了epoch横坐标自动调整# axs[i].scatter(epoch_num[2:], y_data[i], c colors[i]) # 每个epoch节点对应的数据axs[i].legend(locbest) # legend图例用于说明每条曲线的文字显示axs[i].set_yticks(range(0, 150, 5)) # set_yticks用于设置y刻度列表# axs[i].grid(True, linestyle--, alpha0.5) # grid用于设置网格线外观axs[i].set_xlabel(epoch_num, fontdict{size: 8}) # set_xlabel用于设置x轴标题 axs[i].set_ylabel(y_labels[i], fontdict{size: 8}, rotation90) # set_ylabel用于设置y轴标题,rotation表示旋转90度axs[i].set_title(train_metric_{}.format(y_labels[i]), fontdict{size: 8})
fig.autofmt_xdate() # 改变x轴坐标的显示方法可以斜着表示,不用平着挤一堆
plt.savefig(D:/TEST/train_metric_map.png, bbox_inchestight, pad_inches0.0, dpi300)
# plt.show()
最终得到图像如下
