欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

在tensorflow下利用plt畫論文中l(wèi)oss,acc等曲線圖實(shí)例

 更新時(shí)間:2020年06月15日 14:57:00   作者:路上的病人  
這篇文章主要介紹了在tensorflow下利用plt畫論文中l(wèi)oss,acc等曲線圖實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧

直接上代碼:

fig_loss = np.zeros([n_epoch])
fig_acc1 = np.zeros([n_epoch])
fig_acc2= np.zeros([n_epoch])
for epoch in range(n_epoch):
 start_time = time.time()

 #training
 train_loss, train_acc, n_batch = 0, 0, 0
 for x_train_a, y_train_a in minibatches(x_train, y_train, batch_size, shuffle=True):
  _,err,ac=sess.run([train_op,loss,acc], feed_dict={x: x_train_a, y_: y_train_a})
  train_loss += err; train_acc += ac; n_batch += 1

  summary_str = sess.run(merged_summary_op,feed_dict={x: x_train_a, y_: y_train_a})
  summary_writer.add_summary(summary_str, epoch)

 print(" train loss: %f" % (np.sum(train_loss)/ n_batch))
 print(" train acc: %f" % (np.sum(train_acc)/ n_batch))
 fig_loss[epoch] = np.sum(train_loss)/ n_batch
 fig_acc1[epoch] = np.sum(train_acc) / n_batch
 #validation
 val_loss, val_acc, n_batch = 0, 0, 0
 for x_val_a, y_val_a in minibatches(x_val, y_val, batch_size, shuffle=False):
  err, ac = sess.run([loss,acc], feed_dict={x: x_val_a, y_: y_val_a})
  val_loss += err; val_acc += ac; n_batch += 1
 print(" validation loss: %f" % (np.sum(val_loss)/ n_batch))
 print(" validation acc: %f" % (np.sum(val_acc)/ n_batch))
 fig_acc2[epoch] = np.sum(val_acc) / n_batch
# 訓(xùn)練loss圖
fig, ax1 = plt.subplots()
lns1 = ax1.plot(np.arange(n_epoch), fig_loss, label="Loss")
ax1.set_xlabel('iteration')
ax1.set_ylabel('training loss')

# 訓(xùn)練和驗(yàn)證兩種準(zhǔn)確率曲線圖放在一張圖中
fig2, ax2 = plt.subplots()
ax3 = ax2.twinx()#由ax2圖生成ax3圖
lns2 = ax2.plot(np.arange(n_epoch), fig_acc1, label="Loss")
lns3 = ax3.plot(np.arange(n_epoch), fig_acc2, label="Loss")

ax2.set_xlabel('iteration')
ax2.set_ylabel('training acc')
ax3.set_ylabel('val acc')
 # 合并圖例
lns = lns3 + lns2
labels = ["train acc", "val acc"]
plt.legend(lns, labels, loc=7)

plt.show()

結(jié)果:

補(bǔ)充知識(shí):tensorflow2.x實(shí)時(shí)繪制訓(xùn)練時(shí)的損失和準(zhǔn)確率

我就廢話不多說(shuō)了,大家還是直接看代碼吧!

sgd = SGD(lr=float(model_value[3]), decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
# validation_split:0~1之間的浮點(diǎn)數(shù),用來(lái)指定訓(xùn)練集的一定比例數(shù)據(jù)作為驗(yàn)證集
history=model.fit(self.x_train, self.y_train, batch_size=self.batch_size, epochs=self.epoch_size, class_weight = 'auto', validation_split=0.1)
# 繪制訓(xùn)練 & 驗(yàn)證的準(zhǔn)確率值
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('Model accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()
 
# 繪制訓(xùn)練 & 驗(yàn)證的損失值
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()
print("savemodel---------------")
model.save(os.path.join(model_value[0],'model3_3.h5'))
#輸出損失和精確度
score = model.evaluate(self.x_test, self.y_test, batch_size=self.batch_size)

以上這篇在tensorflow下利用plt畫論文中l(wèi)oss,acc等曲線圖實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python數(shù)據(jù)可視化:箱線圖多種庫(kù)畫法

    Python數(shù)據(jù)可視化:箱線圖多種庫(kù)畫法

    這篇文章主要介紹了Python數(shù)據(jù)可視化箱線圖多種庫(kù)畫法,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2019-11-11
  • matplotlib之pyplot模塊添加文本、注解(text和annotate)

    matplotlib之pyplot模塊添加文本、注解(text和annotate)

    matplotlib是python最著名的繪圖庫(kù),它提供了一整套和matlab相似的命令A(yù)PI,十分適合交互式地行制圖,下面這篇文章主要給大家介紹了關(guān)于matplotlib之pyplot模塊添加文本、注解(text和annotate)的相關(guān)資料,需要的朋友可以參考下
    2022-05-05
  • 150行Python代碼實(shí)現(xiàn)帶界面的數(shù)獨(dú)游戲

    150行Python代碼實(shí)現(xiàn)帶界面的數(shù)獨(dú)游戲

    這篇文章主要介紹了150行Python代碼實(shí)現(xiàn)帶界面的數(shù)獨(dú)游戲,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-04-04
  • Python安裝Numpy出現(xiàn)異常信息簡(jiǎn)單解決辦法

    Python安裝Numpy出現(xiàn)異常信息簡(jiǎn)單解決辦法

    在安裝Python的Numpy包時(shí),可能會(huì)遇到路徑警告或包源超時(shí)的問題,首先,如果出現(xiàn)包源超時(shí),可以嘗試更換為國(guó)內(nèi)的鏡像源,如清華大學(xué)鏡像源,其次,如果在安裝完成后提示將某個(gè)路徑添加到PATH環(huán)境變量,按照提示操作即可消除異常,需要的朋友可以參考下
    2024-09-09
  • 利用python爬取斗魚app中照片方法實(shí)例

    利用python爬取斗魚app中照片方法實(shí)例

    最近在學(xué)習(xí)python,通過實(shí)踐是學(xué)習(xí)的一個(gè)好辦法,下面這篇文章就來(lái)給大家介紹了關(guān)于利用python爬取斗魚app中照片的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友下面來(lái)一起看看吧。
    2017-12-12
  • python繪制堆疊條形圖介紹

    python繪制堆疊條形圖介紹

    大家好,本篇文章主要講的是python繪制堆疊條形圖介紹,感興趣的同學(xué)趕快來(lái)看一看吧,對(duì)你有幫助的話記得收藏一下,方便下次瀏覽
    2021-12-12
  • python使用7z解壓軟件備份文件腳本分享

    python使用7z解壓軟件備份文件腳本分享

    這篇文章主要介紹了python使用7z解壓軟件備份文件腳本,需要的朋友可以參考下
    2014-02-02
  • windows上徹底刪除jupyter notebook的實(shí)現(xiàn)

    windows上徹底刪除jupyter notebook的實(shí)現(xiàn)

    這篇文章主要介紹了windows上徹底刪除jupyter notebook的實(shí)現(xiàn),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧
    2020-04-04
  • python實(shí)現(xiàn)進(jìn)程間通信簡(jiǎn)單實(shí)例

    python實(shí)現(xiàn)進(jìn)程間通信簡(jiǎn)單實(shí)例

    這篇文章主要介紹了python實(shí)現(xiàn)進(jìn)程間通信簡(jiǎn)單實(shí)例,需要的朋友可以參考下
    2014-07-07
  • 詳解如何在Python中使用Jinja2進(jìn)行模板渲染

    詳解如何在Python中使用Jinja2進(jìn)行模板渲染

    Jinja2 是一個(gè)現(xiàn)代的、設(shè)計(jì)精美的 Python 模板引擎,它使用類似于 Django 的模板語(yǔ)言來(lái)渲染文本文件,下面我將通過幾個(gè)例子展示如何在 Python 中使用 Jinja2 進(jìn)行模板渲染,文中有詳細(xì)的代碼供大家參考,需要的朋友可以參考下
    2024-08-08

最新評(píng)論