采用jupyter(ipython) notebook 绘制
#加载必要的库 import numpy as np import matplotlib.pyplot as plt %matplotlib inline import sys,os,caffe #设置当前目录 caffe_root = '/home/caffe/' //caffe的根目录 sys.path.insert(0, caffe_root + 'python') os.chdir(caffe_root) # set the solver prototxt #caffe.set_device(0) caffe.set_mode_cpu() solver = caffe.SGDSolver('examples/cifar10/cifar10_quick_solver.prototxt')注：如果是GPU的话需要将
#caffe.set_device(0) caffe.set_mode_cpu()改成 caffe.set_device(0) caffe.set_mode_gpu()另如果出现且
直接将
caffe.set_device(0)
注释掉或删除。因为没有GPU，这条命令只在GPU上运行继续添加
如果不需要绘制曲线，只需要训练出一个caffemodel, 直接调用solver.solve()就可以了。如果要绘制曲线，就需要把迭代过程中的值
保存下来，因此不能直接调用solver.solve(), 需要迭代。在迭代过程中，每迭代200次测试一次
%%time niter =4000 test_interval = 200 train_loss = np.zeros(niter) test_acc = np.zeros(int(np.ceil(niter / test_interval))) # the main solver loop for it in range(niter): solver.step(1) # SGD by Caffe # store the train loss train_loss[it] = solver.net.blobs['loss'].data solver.test_nets[0].forward(start='conv1') if it % test_interval == 0: acc=solver.test_nets[0].blobs['accuracy'].data print 'Iteration', it, 'testing...','accuracy:',acc test_acc[it // test_interval] = acc 运行后结果：绘制train过程中的loss曲线，和测试过程中的accuracy曲线
print test_acc _, ax1 = plt.subplots() ax2 = ax1.twinx() ax1.plot(np.arange(niter), train_loss) ax2.plot(test_interval * np.arange(len(test_acc)), test_acc, 'r') ax1.set_xlabel('iteration') ax1.set_ylabel('train loss') ax2.set_ylabel('test accuracy')文章主要参考：http://www.cnblogs.com/denny402/p/5686067.html
