下载Tensorboard数据，单独使用matplotlib模块，在同一副图中画出多条loss或acc曲线

左手的ㄟ右手 2022-11-28 13:36 210阅读 0赞

本文参考[如何使用Tensorboard的数据，自己使用plot()函数，在同一副图中画出多条loss曲线][Tensorboard_plot_loss]原文代码没有将读取后的数据转为float类型  
深度学习训练使用Tensorboard时acc，val\_acc，loss，val\_loss没有绘制在一张图上，我们可以下载Tensorboard数据，单独使用matplotlib模块绘画。  
具体方法

# 一、启动Tensorboard,进入界面 #

logs是你的路径

tensorboard --logdir logs

启动成功后复制路径到你的浏览器打开Tensorboard界面

# 二、下载Tensorboard数据并保存 #

## 1.选中左上角的 Show data download links ##

## 2.选中右下角的下载文件的csv格式，如果下载后缀是.txt，更改为.csv ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMDc2MDIy_size_16_color_FFFFFF_t_70_pic_center]  
下载成功后的四个数据  
![20200817233224391.png_pic_center][]

# 三、数据文件预处理 #

**删除.csv文件最上面一行的Wall time,Step,Value**  
![在这里插入图片描述][20200817233656135.png_pic_center]

# 四、编写plot()函数绘画程序 #

import matplotlib.pyplot as plt
    import matplotlib as mpl
    import numpy as np
    from matplotlib.font_manager import FontProperties
    import csv
     
    '''读取csv文件'''
    def readcsv(files):
        csvfile = open(files, 'r')
        plots = csv.reader(csvfile, delimiter=',')
        x = []
        y = []
        #读取csv文件中2,3列的数据，且转化为float类型
        for row in plots:
            y.append(float(row[2])) 
            x.append(float(row[1]))
        return x ,y
     
     
    mpl.rcParams['font.family'] = 'sans-serif'
    mpl.rcParams['font.sans-serif'] = 'NSimSun,Times New Roman'
     
     
    plt.figure()
    #读取四个文件
    x2,y2=readcsv("run_.-tag-loss.csv")
    plt.plot(x2, y2, color='red', label='loss')
     
    x,y=readcsv("run_.-tag-val_loss.csv")
    plt.plot(x, y, 'g',label='val_loss')
     
    x1,y1=readcsv("run_.-tag-val_acc.csv")
    plt.plot(x1, y1, color='black',label='val_acc')
     
    x4,y4=readcsv("run_.-tag-acc.csv")
    plt.plot(x4, y4, color='blue',label='acc')
     
    plt.xticks(fontsize=16)
    plt.yticks(fontsize=16)
    
    #ylim和xlim的最大最小值根据csv文件的极大极小值决定 
    plt.ylim(0,2)
    plt.xlim(0, 50)
    
    plt.xlabel('Steps',fontsize=20)
    plt.ylabel('Score',fontsize=20)
    plt.legend(fontsize=16)
    plt.show()

**画出来的有些丑，可以自己美化**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMDc2MDIy_size_16_color_FFFFFF_t_70_pic_center 1]

[Tensorboard_plot_loss]: https://blog.csdn.net/qq_24193303/article/details/89301791
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMDc2MDIy_size_16_color_FFFFFF_t_70_pic_center]: /images/20221124/ee528f4767fc4d82b85611a52aaa3a92.png
[20200817233224391.png_pic_center]: /images/20221124/3567dfb8bf0d444188fbbf8d0a2d8675.png
[20200817233656135.png_pic_center]: /images/20221124/01ec1396257b440caacc41015b478840.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMDc2MDIy_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221124/d83eee716921444a8f779c72f7119b53.png