caffe 用matlab解析日志画loss和accuracy

clc;      clear;            % load the log file of caffe model      fid = fopen('log-previous-insulator.txt', 'r');      tline = fgetl(fid);            accuracyIter =[];    accuracyArray =[];    lossIter = [];    lossArray = [];        %record the last line      lastLine = '';            %read line      while ischar(tline)          %%%%%%%%%%%%%% the accuracy line %%%%%%%%%%%%%%          k = strfind(tline, 'Test net output');          if (k)              k = strfind(tline, 'accuracy');              if (k)                  % If the string contain test and accuracy at the same time                  % The bias from 'accuracy' to the float number                  indexStart = k + 11;                   indexEnd = size(tline);                  str = tline(indexStart : indexEnd(2));                  accuracyArray = [accuracyArray, str2num(str)];              end                            % Get the number of index              k = strfind(lastLine, 'Iteration');              if (k)                  indexStart = k + 10;                  indexEnd = strfind(lastLine, '(');                  str2 = lastLine(indexStart : indexEnd - 1);                  accuracyIter  = [accuracyIter, str2num(str2)];              end                            % Concatenation of two string              res_str = strcat(str2, '/', str);          end                    %%%%%%%%%%%%%% the loss line %%%%%%%%%%%%%%          k1 = strfind(tline, 'Iteration');          if (k1)             k2 = strfind(tline, 'loss');             if (k2)                 indexStart = k2 + 7;  %loss位置到数据位置起始位置相差7位               indexEnd = size(tline);            str1 = tline(indexStart:indexEnd(2));  %数据开始位置到结束位置，就是loss,也就是纵坐标               indexStart = k1 + 10;  %从iteration到迭代次数数据起始位相差10位               indexEnd = strfind(tline, '(') - 1; %找到左括号位置-1:根据你的txt来看是括号还是逗号               str2 = tline(indexStart:indexEnd);  %从起始位置到结束位置为迭代次数，也就是横坐标               res_str1 = strcat(str2, '/', str1);  %把横纵坐标连接起来               lossIter  = [lossIter,  str2num(str2)];  %把迭代次数转化为数据赋值给lossiter               lossArray = [lossArray, str2num(str1)];  %把loss转化为数据复给lossArray           end          end                    lastLine = tline;          tline = fgetl(fid);          end            %draw figure      figure;h1 = plot(accuracyIter, accuracyArray);title('iteration vs accurancy');  %绘制accuracy曲线      figure;h2 = plot(lossIter, lossArray);title('iteration vs loss');   %绘制loss曲线     print(2,'-dpng','iteration vs loss')%保存

　　

    

  

1、训练模型时保存log日志文件      方法1   一般情况下我们的训练模型标准语句是：$ sudo  ./build/tools/caffe train -solver=xxx/xxx/solver.prototxt       xxx/xxx/表示你的solver.prototxt文件所在位置       需要保存log文件时的命令是：$ sudo GLOG_logtostderr=0 GLOG_log_dir='xxx/xxx/xxx/' build/tools/caffe train -solver=xxx/xxx/solver.prototxt      ’xxx/xxx/xxx/‘表示你所保存的log文件所在位置。       训练完成后发现在我们保存的目录xxx/xxx/xxx/下生成了两个上锁log文件caffe.INFO和caffe.ubuntu.root.log.INFO.20170611-103712.5383。点击打开后我们可以看到我们所训练的日志文件。       方法2    ./build/tools/caffe train -solver=xn/PENLU/neural/nin/nin_solver.prototxt 2>&1 | tee xn/PENLU/snapshot/nin/nin_relu.log2、利用生成的log文件绘制accuary loss曲线图       首先绘制图，caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh  和caffe-master/tools/extra/extract_seconds.py还有 caffe-master/tools/extra/plot_training_log.py.example;拷贝以上文件到当前训练模型的目录下。      然后我们到你保存的log文件目录下将1中保存的log文件解锁，解锁命令：sudo chmod -R 777 ./caffe.ubuntu.root.log.INFO.20170611-103712.5383      解锁后我们就可以更改该log文件名为xxx.log（注意：要画图一定是.log文件，所以不改名不可以画）。      然后复制该xxx.log文件到你训练模型所在目录下。      然后就可以利用命令画图了：在模型所在目录下命令： ./plot_training_log.py.example y xxx.png xxx.log      xxx.png是你保存的绘制出的图片名称，xxx.log是你保存的log文件名称。y表示的是你的所绘制的图片到底是什么图片，具体解释如下：       y的数字代表意义（0~7）：       Supported chart types:    0: Test accuracy  vs. Iters    (准确率与迭代次数图）                                           1: Test accuracy  vs. Seconds    （准确率与时间图）                                           2: Test loss  vs. Iters    （测试损失与迭代次数图）                                           3: Test loss  vs. Seconds    （测试损失与时间图）                                           4: Train learning rate  vs. Iters    （学习率与迭代次数图）                                          5: Train learning rate  vs. Seconds    （学习率与时间图）                                          6: Train loss  vs. Iters    （训练损失与迭代次数图）                                          7: Train loss  vs. Seconds   （训练损失与时间图）      运行后生成的文件有：log-data.log.test和log-data.log.test和xxx.png3、test测试log日志文件保存与绘图类似过程

Ps: windows记录训练日志

caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh  caffe-master/tools/extra/extract_seconds.py和 caffe-master/tools/extra/plot_training_log.py.example ，使用方法如下：1.windows记录训练日志：在训练过程中的命令中加入一行参数 ，实现Log日志的记录，这里我使用的.bat。其实一可以像前面某位大哥一样，直接copy输出的类容。caffe train --solver=deepid/deepid2/deepid_solver.prototxt >log/XXXXX.log 2>&1  pause