📚博客主页：knighthood2001
✨公众号：认知up吧 （目前正在带领大家一起提升认知，感兴趣可以来围观一下）
🎃知识星球：【认知up吧|成长|副业】介绍
❤️如遇文章付费，可先看看我公众号中是否发布免费文章❤️
🙏笔者水平有限，欢迎各位大佬指点，相互学习进步！
上文，我们返回的这样的一个数据。
train_process = pd.DataFrame(data={"epoch": range(num_epochs),"train_loss_all": train_loss_all,"val_loss_all": val_loss_all,"train_acc_all": train_acc_all,"val_acc_all": val_acc_all, })
接着，我们需要对其进行可视化。
结果展示
我跑了10轮，花了12分钟。
代码部分
def matplot_acc_loss(train_process):# 显示每一次迭代后的训练集和验证集的损失函数和准确率plt.figure(figsize=(12, 4))plt.subplot(1, 2, 1)plt.plot(train_process['epoch'], train_process.train_loss_all, "ro-", label="Train loss")plt.plot(train_process['epoch'], train_process.val_loss_all, "bs-", label="Val loss")plt.legend()plt.xlabel("epoch")plt.ylabel("Loss")plt.subplot(1, 2, 2)plt.plot(train_process['epoch'], train_process.train_acc_all, "ro-", label="Train acc")plt.plot(train_process['epoch'], train_process.val_acc_all, "bs-", label="Val acc")plt.xlabel("epoch")plt.ylabel("acc")plt.legend()plt.savefig("train_process.png")plt.show()
这段代码定义了一个函数 matplot_acc_loss(train_process)，用于绘制训练过程中每个 epoch 后的训练集和验证集的损失函数和准确率曲线，并保存为名为 train_process.png 的图片文件。
让我们逐步解释这个函数的实现：
- 函数定义：
def matplot_acc_loss(train_process):
- 这是一个 Python 函数的定义，函数名为
matplot_acc_loss，它接收一个参数train_process，这个参数通常是一个包含训练过程中各种指标的数据结构，例如 DataFrame 或字典。
- 绘制图像：
plt.figure(figsize=(12, 4))
- 创建一个新的图形窗口，指定图形的大小为宽度 12 英寸，高度 4 英寸。
- 绘制第一个子图（左侧） - 损失函数：
plt.subplot(1, 2, 1)plt.plot(train_process['epoch'], train_process.train_loss_all, "ro-", label="Train loss")plt.plot(train_process['epoch'], train_process.val_loss_all, "bs-", label="Val loss")plt.legend()plt.xlabel("epoch")plt.ylabel("Loss")
- 使用
subplot创建一个 1x2 的子图布局，当前选中第一个子图。 - 使用
plot函数分别绘制训练集和验证集每个 epoch 的损失函数，train_process['epoch']是 x 轴数据，train_process.train_loss_all和train_process.val_loss_all分别是训练集和验证集的损失函数数据。 "ro-"和"bs-"是绘图的样式，“ro-” 表示红色圆点线，“bs-” 表示蓝色方块线。legend()添加图例，标明每条曲线对应的标签。xlabel和ylabel分别设置 x 轴和 y 轴的标签。
- 绘制第二个子图（右侧） - 准确率：
plt.subplot(1, 2, 2)plt.plot(train_process['epoch'], train_process.train_acc_all, "ro-", label="Train acc")plt.plot(train_process['epoch'], train_process.val_acc_all, "bs-", label="Val acc")plt.xlabel("epoch")plt.ylabel("acc")plt.legend()
- 使用
subplot选择第二个子图。 - 使用
plot函数分别绘制训练集和验证集每个 epoch 的准确率，train_process.train_acc_all和train_process.val_acc_all是对应的数据。 "ro-"和"bs-"是绘图的样式，“ro-” 表示红色圆点线，“bs-” 表示蓝色方块线。xlabel和ylabel设置 x 轴和 y 轴的标签。legend()添加图例，标明每条曲线对应的标签。
- 保存和显示图像：
plt.savefig("train_process.png")plt.show()
savefig函数将当前图形保存为名为train_process.png的图片文件。show函数显示绘制好的图形窗口。
