包含python损失函数绘制的词条
python函数图的绘制
pre
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比靖州网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式靖州网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖靖州地区。费用合理售后完善，10多年实体公司更值得信赖。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon
def func(x):
return -(x-2)*(x-8)+40
x=np.linspace(0,10)
y=func(x)
fig,ax = plt.subplots()
plt.plot(x,y,'r',linewidth=2)
plt.ylim(ymin=20)
a=2
b=9
ax.set_xticks([a,b])
ax.set_xticklabels(['$a$','$b$'])
ax.set_yticks([])
plt.figtext(0.9,0.05,'$x$')
plt.figtext(0.1,0.9,'$y$')
ix=np.linspace(a,b)
iy=func(ix)
ixy=zip(ix,iy)
verts=[(a,0)]+list(ixy)+[(b,0)]
poly = Polygon(verts,facecolor='0.9',edgecolor='0.5')
ax.add_patch(poly)
x_math=(a+b)*0.5
y_math=35
plt.text(x_math,y_math,r"$\int_a^b(-(x-2)*(x-8)+40)dx$",horizontalalignment='center',size=12)
plt.show()
/pre
请问卷积神经网络中这种loss图是用什么画的？
你可以使用Matlab，或者Matplotlib（一个著名的python绘图包，强烈建议）。
Matplotlib: Python可视化
Matplotlib是一个用Python创建静态、动画和交互式可视化的综合性库。Matplotlib让简单的事情变得简单，让困难的事情成为可能。
1. 创建出版质量图。
2. 制作可以缩放、平移、更新的交互式图形。
3. 自定义视觉样式和布局。
4. 导出到许多文件格式。
5. 嵌入JupyterLab和图形用户界面。
6. 使用构建在Matplotlib上的第三方包的丰富数组。
matplotlib参考官网，以及用法
有任何疑问欢迎回复！！
如何利用caffe自带的工具包绘制accuracy/loss曲线
需要用到的文件在 caffe/tools/extra/plot_training_log.py.example
还需要用到caffe/tools/extra/parse_log.sh 和 caffe/tools/extra/extract_seconds.py文件（如果不在当前目录执行记得都拷贝出来）
执行命令 python plot_training_log.py 0 save.png my.log
0 -为绘制类型，会有usage 提示或者查看源码 为要画那种图，有测试的、训练的accurary等等
Usage:
./plot_training_log.py chart_type[0-7] /where/to/save.png /path/to/first.log ...
Notes:
1. Supporting multiple logs.
2. Log file name must end with the lower-cased ".log".
Supported chart types:
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
save.png 是保存图像路径
my.log 是训练caffe定义的层输出日志路径，也就是当前要绘制曲线的数据，必须以.log结尾
eg:
python ./plot_training_log.py 0 ~/share/learn-caffe/accuracy_iter.png ~/share/learn-caffe/lesson04/mnist_lenet.log
本文名称：包含python损失函数绘制的词条
文章URL：http://shouzuofang.com/article/hpjpcg.html