请问如何绘制这个函数图线(标签-yolo)

Question

请问能否在yolov6s的训练途中用tensorboard进行可视化绘制函数，还是要在训练完后得到图片，例如下图

请问如何绘制这个函数图线，代码怎么写

训练完一次后已得出如下图

Answer 1

内容来源与ChatGpt4及newbing和百度：

---

可以在yolov6s的训练途中用tensorboard进行可视化绘制函数。具体操作如下：

1. 在训练脚本中添加如下代码，用于记录训练过程中的损失值和准确率等指标：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter()

for epoch in range(num_epochs):
    ...
    # 计算损失值和准确率等指标
    ...
    writer.add_scalar('train_loss', train_loss, epoch)
    writer.add_scalar('train_acc', train_acc, epoch)
    writer.add_scalar('val_loss', val_loss, epoch)
    writer.add_scalar('val_acc', val_acc, epoch)

writer.close()

1. 在命令行中启动tensorboard服务：

tensorboard --logdir=path/to/log/dir

其中，path/to/log/dir为保存训练日志的目录。

1. 打开浏览器，访问http://localhost:6006，即可查看训练过程中的损失值和准确率等指标的变化曲线。可以在左侧的面板中选择不同的标签（如train_loss、train_acc等）来查看不同指标的变化情况。

对于已经训练完成的模型，可以通过读取日志文件并使用matplotlib绘制出损失值和准确率等指标的变化曲线。具体代码如下：

import matplotlib.pyplot as plt
import numpy as np

def plot_loss(log_file):
    with open(log_file, 'r') as f:
        lines = f.readlines()
    train_loss = []
    val_loss = []
    for line in lines:
        if 'train_loss' in line:
            train_loss.append(float(line.split()[-1]))
        elif 'val_loss' in line:
            val_loss.append(float(line.split()[-1]))
    epochs = np.arange(len(train_loss))
    plt.plot(epochs, train_loss, label='train_loss')
    plt.plot(epochs, val_loss, label='val_loss')
    plt.legend()
    plt.xlabel('epoch')
    plt.ylabel('loss')
    plt.show()

def plot_acc(log_file):
    with open(log_file, 'r') as f:
        lines = f.readlines()
    train_acc = []
    val_acc = []
    for line in lines:
        if 'train_acc' in line:
            train_acc.append(float(line.split()[-1]))
        elif 'val_acc' in line:
            val_acc.append(float(line.split()[-1]))
    epochs = np.arange(len(train_acc))
    plt.plot(epochs, train_acc, label='train_acc')
    plt.plot(epochs, val_acc, label='val_acc')
    plt.legend()
    plt.xlabel('epoch')
    plt.ylabel('accuracy')
    plt.show()

log_file = 'path/to/log/file'
plot_loss(log_file)
plot_acc(log_file)

---

祝您问题迎刃而解