|
跟在windows上一样。
一、网络结构可视化 命令：python python/draw_net.py 参数1：模型文件 参数2：输出的图像文件 参数3：图形绘制方向
python /home/emcas/liupc/caffe/python/draw_net.py /home/emcas/liupc/caffe/examples/mnist/lenet_train_test.prototxt aa.png --rankdir=BT
二、学习曲线可视化 命令： python tools/extra/plot_training_log.py 第一个参数0-7意义如下,比如0代表准确率和迭代次数，1代表准确率和时间等等。 第二个参数：是图片的保存路径。 第三个参数：log。
cd /home/emcas/liupc/caffe/tools/extra mv plot_training_log.py.example plot_training_log.py python plot_training_log.py，可以看到用法：
//注意，plot_training_log.py调用了同目录下的parse_log.py程序。而parse_log.py程序会将log分成两个训练集的log和测试集的log。 plot_training_log.py再根据这两个log中的数据画图。我们如果嫌plot_training_log.py画的不好看，可以先用parse_log.py生成两个log，再用matplotlib自己画图。
1. 当训练的时候，重定向一下，生成log文件。 cd /home/emcas/liupc/caffe/examples/mnist caffe train -solver lenet_solver.prototxt 2>&1 | tee a.log
2. 执行画图的命令 python /home/emcas/liupc/caffe/tools/extra/plot_training_log.py 6 aaa.png a.log
|