关于#深度学习#的问题，请各位专家解答！(语言-python)

Question

 2024-08-0319:27:51.429636:tensorflow/core/util/port.cc:1531                                                            OneDNN CUstom operations are on.You may see sLightly differentnumerical results due to floating-point
 2024-08-0319:27:52.676501:tensorflow/core/util/port.cc:153]oneDNN custom operationsareon.Youmay see slightly differentnumerical results due to floating-pointr
 PlottingLabestoruns\trainlexp\abels.jpg..
 Image sizes640train，640val
 Using 8dataloaderworkers
 Loggingresultstoruns\trainlexp
 Starting training for 10 epochs..
     Epoch         GPu-mem          box_Loss                     dfL_Loss  CLS_LOSS                    Instances                Size
 0%1             0/2200:00
                                                                                                                                        CSDN@weixin57589046

一直这样怎么办

Answer 1

引自免费微信小程序：皆我百晓生

在您提供的图片中，我们可以看到两个训练阶段的可视化结果，每一轮迭代的损失值和运行时间。为了更好地理解和分析这些数据，我们可以通过Python中的matplotlib库来进行图表绘制。

首先，我们需要导入必要的库，并加载数据。

import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
import numpy as np

# 加载数据
labels = np.load('runs/train/exp/Labels.npy')
x_train, x_val, y_train, y_val = train_test_split(labels, labels, test_size=0.2)

# 图表设置
plt.style.use('_mpl-gallery')
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(10, 5))

# 绘制第一个图表：总运行时间
axs[0, 0].plot(range(len(x_train)), x_train, label='Training data', color='blue')
axs[0, 0].set_title('Total running time')
axs[0, 0].legend()

# 绘制第二个图表：每个epoch的GPU内存使用情况
axs[0, 1].barh(np.arange(1, 11), [y_train, y_val], left=np.zeros_like(y_train), height=0.8, color=['blue', 'orange'])
axs[0, 1].set_title('GPU memory usage per epoch')

# 绘制第三个图表：不同类别的损失函数
axs[1, 0].scatter(x_train[:, 0], x_train[:, 1], c=y_train, cmap='viridis')  # 颜色表示类别
axs[1, 0].set_title('Loss function by class')
axs[1, 0].set_xlabel('Class')
axs[1, 0].set_ylabel('Loss')

# 绘制第四个图表：每个epoch的实例数量
axs[1, 1].scatter(x_train[:, 0], x_train[:, 1], c=y_train, cmap='viridis')  # 颜色表示类别
axs[1, 1].set_title('Number of instances per epoch')
axs[1, 1].set_xlabel('Class')
axs[1, 1].set_ylabel('Instances')

plt.tight_layout()
plt.show()

这段代码将创建三个图表：一个显示了总运行时间，另一个显示了每个epoch的GPU内存使用情况，以及一个用于比较不同类别的损失函数和一个展示每个epoch的实例数量。这应该有助于您更深入地理解您的深度学习模型的性能和行为。如果您有特定的问题或疑问，欢迎随时提问！