GitHub 代码地址： https://github.com/HansRen1024/Use-Python-to-call-Caffe-module
前言#
细心的同学会发现上一篇文章中最后完整代码已经有训练代码了，四句话就能搞定。当然如果你要单机多卡训练的话，建议你使用 caffe/python/ 目录下的 train.py。
关于训练结果可视化，我在之前文章中写到过。通过记录终端输出，然后 matlab 实现。地址：
【Caffe】快速上手训练自己的数据 《很认真的讲讲 Caffe》
看第六部分可视化内容
今天这里我写一下如何通过 python 调用 caffe 模块，在训练期间，提取输出结果放到列表中，最后训练结束将列表内容可视化。
完整代码：#
#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Sun Jul 30 21:56:32 2017
@author: hans
"""
import matplotlib.pyplot as plt
import caffe
import numpy as np
caffe.set_device(0)
caffe.set_mode_gpu()
solver = caffe.SGDSolver('doc/solver_lenet.prototxt')
# 下面参数参照solver
max_iter = 10000
display= 100
test_iter = 100
test_interval =500
#初始化
train_loss = np.zeros(max_iter/ display)
test_loss = np.zeros(max_iter/ test_interval)
test_acc = np.zeros(max_iter / test_interval)
_train_loss = 0
_test_loss = 0
_accuracy = 0
for it in range(max_iter):
solver.step(1) # 这里是运行一次迭代
_train_loss += solver.net.blobs['loss'].data # 'loss' or 'Softmax1'
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):
solver.test_nets[0].forward()
_test_loss += solver.test_nets[0].blobs['loss'].data # 'loss' or 'Softmax1'
_accuracy += solver.test_nets[0].blobs['acc'].data # 'acc' or 'Accuracy1'
# 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
_, ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.plot(display * np.arange(len(train_loss)), train_loss, 'g')
ax1.plot(test_interval * np.arange(len(test_loss)), test_loss, 'y')
ax2.plot(test_interval * np.arange(len(test_acc)), test_acc, 'r')
ax1.set_xlabel('iteration')
ax1.set_ylabel('loss')
ax2.set_ylabel('accuracy')
plt.show()