代码拉取完成,页面将自动刷新
同步操作将从 lonerlin/classification 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
import matplotlib.pyplot as plt
import json
import numpy as np
dict = {}
with open("record.txt", 'r') as f:
dict = json.load(f)
train_record = dict['train']
val_record = dict['val']
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))
ax1.plot(train_record['loss'], color='b', label="Training loss")
ax1.plot(val_record['loss'], color='r', label="validation loss")
ax1.set_xticks(np.arange(1, len(train_record['loss']), 1))
# ax1.set_yticks(np.arange(0, 1, 0.1))
ax2.plot(train_record['Acc1'], color='b', label="Training accuracy")
ax2.plot(val_record['Acc1'], color='r', label="Validation accuracy")
ax2.set_xticks(np.arange(1, len(train_record['loss']), 1))
legend = plt.legend(loc='best', shadow=True)
plt.tight_layout()
plt.savefig('record.jpg')
plt.show()
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。