如何利用caffe自带的工具包绘制accuracy/loss曲线

在训练过程中画出accuracy 和loss曲线能够更直观的观察网络训练的状态，以便更好的优化网络的训练。本文主要介绍在基于caffe框架训练网络时，如何利用caffe自带的一些实用的工具包来绘制曲线。
step1:保存日志文件
在训练过程中把终端输出的结果保存为一个日志文件，注意文件的后缀名必须是.log，这是因为后面再解析日志文件时有这个要求。如何把终端保存到日志文件，例子如下：
$TOOLS/caffe train --solver=$SOLVERFILE 2>&1 |tee out.log
step2:解析日志文件
这一步利用caffe中tools/extra文件夹下的parse_log.py来解析日志文件。具体例子如下：
python parse_log.py out.log ./ #两个参数，一个是日志文件，另一个是保存的路径
运行结束之后会发现在你保存的路径中会生成两个文件out.log.train和out.log.test
step3:绘制accuracy 和loss曲线。
利用caffe中tools/extra文件夹下的plot_training_log.py文件来绘制。
python plot_training_log.py 2 testloss.png out.log
这里要解释下，如果你直接运行这个是会报错的。因为在out.log.test文件是这样的。
NumIters，Seconds，TestAccuracy，TestLoss
0.0，2.318823，-1，0.360432
200.0，10.975734，-1，0.0757681
400.0，19.634317，-1，0.0610909
600.0，28.295885，-1，0.0554078
800.0，36.953475，-1，0.0510606
1000.0，45.644651，-1，0.0463909
load_data的时候diyi行是不读的，要么你自己diyi行加个#，要么就直接不读diyi行。另外在split的时候不是用空格而是用‘，’因此做如下修改。
def load_data(data_file， field_idx0， field_idx1):
data = [[]， []]
with open(data_file， 'r') as f:
num=len(f)
for line_num in range(1，num):#此处修改
line = f[line_num].strip()
#if line[0] != '#':#此处修改
fields = line.split('，')#此处修改
data[0].append(float(fields[field_idx0].strip()))
data[1].append(float(fields[field_idx1].strip()))
return data
上面还有个地方需要解释就是那个2是什么意思，这个你直接运行下Python plot_training_log.py就会打出帮助信息，就能看见了。
以上就是利用caffe自带的工具包绘制曲线的方法。