Python Matplotlib 可视化训练过程 - 准确率和损失曲线

使用配置参数中的字体并绘制训练过程可视化图表

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 准确率日志可视化
acc = history.history['accuracy']
val_acc = history.history['val_accuracy']
epochs = range(1, len(acc) + 1)
plt.figure()
# 定义标签名称
plt.plot(epochs,acc,'bo',label='训练集准确率',color='y')
plt.plot(epochs,val_acc,'b',label='验证集准确率',color='r')
# 定义绘图标题
plt.title('训练集与验证集准确率曲线')
plt.legend()
plt.show()

# 损失日志可视化
acc = history.history['loss']
val_acc = history.history['val_loss']
epochs = range(1,len(acc) +1)
plt.figure()
# 定义标签名称
plt.plot(epochs,acc,'bo',label='训练集损失',color='deepskyblue')
plt.plot(epochs,val_acc,'b',label='验证集损失',color='gold')
# 定义绘图标题
plt.title('训练集与验证集损失曲线')
plt.legend()
plt.show()

该代码使用 Matplotlib 库绘制了两个可视化图表：

1. 准确率曲线: 展示了训练集和验证集的准确率随着训练次数的变化而变化的曲线。
2. 损失曲线: 展示了训练集和验证集的损失随着训练次数的变化而变化的曲线。

通过观察这两个图表，可以更直观地了解模型在训练过程中的表现，例如：

• 训练集准确率不断上升，验证集准确率也保持上升趋势，说明模型正在学习并提升。
• 训练集准确率上升，但验证集准确率出现下降趋势，说明模型可能出现了过拟合。
• 训练集损失不断下降，验证集损失也保持下降趋势，说明模型正在学习并提升。
• 训练集损失下降，但验证集损失出现上升趋势，说明模型可能出现了过拟合。

通过分析这些图表，可以帮助开发者进行模型优化和改进，例如调整模型参数、选择合适的训练策略等。