1. 首先导入一些python画图的包，读取txt文件，假设我现在有两个模型训练结果的records.txt文件
|
1
2
3
4
5
6
|
import numpy as npimport matplotlib.pyplot as pltimport pylab as plfrom mpl_toolkits.axes_grid1.inset_locator import inset_axesdata1_loss =np.loadtxt("valid_RCSCA_records.txt") data2_loss = np.loadtxt("valid_SCRCA_records.txt") |
2. 我自己的数据第一列是训练步数，第二列的loss,所以取出相应列的数据作为绘图的x和y
|
1
2
3
4
|
x = data1_loss[:,0]y = data1_loss[:,1]x1 = data2_loss[:,0]y1 = data2_loss[:,1] |
3. 先创建一幅图，再在这幅图上添加一个小图，小图用来显示部分放大的曲线
|
1
2
|
fig = plt.figure(figsize = (7,5)) #figsize是图片的大小`ax1 = fig.add_subplot(1, 1, 1) # ax1是子图的名字` |
4. 先画出整体的loss曲线
|
1
2
3
4
5
6
7
8
9
10
|
pl.plot(x,y,'g-',label=u'Dense_Unet(block layer=5)')`# ‘'g‘'代表“green”,表示画出的曲线是绿色，“-”代表画的曲线是实线，可自行选择，label代表的是图例的名称，一般要在名称前面加一个u，如果名称是中文，会显示不出来，目前还不知道怎么解决。p2 = pl.plot(x1, y1,'r-', label = u'RCSCA_Net')pl.legend()#显示图例p3 = pl.plot(x2,y2, 'b-', label = u'SCRCA_Net')pl.legend()pl.xlabel(u'iters')pl.ylabel(u'loss')plt.title('Compare loss for different models in training') |
画出曲线如图：
5. 显示放大的部分曲线
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# plot the boxtx0 = 0tx1 = 10000#设置想放大区域的横坐标范围ty0 = 0.000ty1 = 0.12#设置想放大区域的纵坐标范围sx = [tx0,tx1,tx1,tx0,tx0]sy = [ty0,ty0,ty1,ty1,ty0]pl.plot(sx,sy,"purple")axins = inset_axes(ax1, width=1.5, height=1.5, loc='right')#loc是设置小图的放置位置，可以有"lower left,lower right,upper right,upper left,upper #,center,center left,right,center right,lower center,center"axins.plot(x1,y1 , color='red', ls='-')axins.plot(x2,y2 , color='blue', ls='-')axins.axis([0,20000,0.000,0.12])plt.savefig("train_results_loss.png")pl.show#pl.show()也可以 |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_32855463/article/details/86610098
