caffe学习曲线

1、生成log文件

1.1新建一个.sh文件放在caffe目录下，开始训练

#!/usr/bin/env sh  

set -e 

TOOLS=./build/tools

$TOOLS/caffe train --solver=./models/VGGNet/VOC0712/SSD_300x300/solver.prototxt

1.2 sudo运行生成log

sudo chmod u+x fan_train.sh 

./fan_train.sh >& fan.log &

2、绘制曲线

2.1根据log使用caffe自带tool绘制曲线

（实际使用的已训练1万次的udacity.log）

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

./tools/extra/plot_training_log.py.example 0 learn_curve0.png ./udacity.log

./tools/extra/plot_training_log.py.example 1 learn_curve1.png ./udacity.log

./tools/extra/plot_training_log.py.example 2 learn_curve2.png ./udacity.log

./tools/extra/plot_training_log.py.example 3 learn_curve3.png ./udacity.log

./tools/extra/plot_training_log.py.example 4 learn_curve4.png ./udacity.log

./tools/extra/plot_training_log.py.example 5 learn_curve5.png ./udacity.log

./tools/extra/plot_training_log.py.example 6 learn_curve6.png ./udacity.log

./tools/extra/plot_training_log.py.example 7 learn_curve7.png ./udacity.log

运行成功后png图片被保持再caffe目录下，下图分别为迭代1200次和120000次的loss曲线,可以看出随着训练次数迭代观察到梯度下降

2.2原理

caffe中tools/extra文件夹下plot_training_log.py画图步骤实际分为两部：解析和绘制

plot_training_log.py先调用文件parse_log.py解析日志文件，得到解析后的log.train和log.tes文件,具体内容如下：

接着plot_training_log.py用函数load_data（）读入上述解析好的数据，规范化数据后用plt.plot()绘制出曲线

参考：

https://www.cnblogs.com/ymjyqsx/p/7059280.html

https://blog.****.net/Running_J/article/details/51505715

2.3error&solution

直接执行./tools/extra/plot_training_log.py.example 0 learn_curve0.png ./udacity.log命令时可能报错：

[email protected]:~/caffe$ ./tools/extra/plot_training_log.py.example 2 learn_curve4.png ./udacity.log
10000,0.000601,0.485991
['10000', '0.000601', '0.485991']
Traceback (most recent call last):
  File "./tools/extra/plot_training_log.py.example", line 194, in <module>
    plot_chart(chart_type, path_to_png, path_to_logs)
  File "./tools/extra/plot_training_log.py.example", line 120, in plot_chart
    data = load_data(data_file, x, y)
  File "./tools/extra/plot_training_log.py.example", line 91, in load_data
    data[1].append(float(fields[field_idx1].strip()))

IndexError: list index out of range

        直接用会报字符串无法转换成float的错误，这是因为第2部分提到的解析过程得到的数据包含空格，原代码里对每一行split空格后生成的list，不是只含这4个数字的list，而是含有许多空格的list，所以当然float无法转换空格字符。需要做的就是split掉所有的空格，生成一个大小为4只包含4个数字的list。另外，日志文件中两个数字间的间隔的空格数是不一样的，有的是4个，有的是5个，代码需要实现无论多少个空格，都split掉。

修改函数并print出关键数据：

可以看出此时不再报错，print的数据也不含空格

[email protected]:~/caffe$ ./tools/extra/plot_training_log.py.example 0 learn_curve0.png ./udacity.log
10000,0.000601,0.485991

['10000', '0.000601', '0.485991']

ps:绘制训练11万次的数据时还是会出错，推测是因为含有数值5e-05，待验证。