train_loss_acc.py

“““
Retrain the YOLO model for your own dataset.
“““
import time
import numpy as np
import keras.backend as K
from keras.layers import Input Lambda
from keras.models import Model
from keras.optimizers import Adam
from keras.callbacks import TensorBoard ModelCheckpoint ReduceLROnPlateau EarlyStopping

from yolo3.model import preprocess_true_boxes yolo_body tiny_yolo_body yolo_loss
from yolo3.utils import get_random_data

import keras
import matplotlib.pyplot as plt

# 构建绘图模块
class LossHistory（keras.callbacks.Callback）:
    def on_train_begin（self logs={}）:
        self.losses = {‘batch‘: [] ‘epoch‘: []}
        self.accuracy = {‘batch‘: [] ‘epoch‘: []}
        self.val_loss = {‘batch‘: [] ‘epoch‘: []}
        self.val_acc = {‘batch‘: [] ‘epoch‘: []}
    def on_batch_end（self batch logs={}）:
        self.losses[‘batch‘].append（logs.get（‘loss‘））
        self.accuracy[‘batch‘].append（logs.get（‘acc‘））
        self.val_loss[‘batch‘].append（logs.get（‘val_loss‘））
        self.val_acc[‘batch‘].append（logs.get（‘val_acc‘））
        if int（time.time（）） % 5 == 0:
            self.draw_loss（self.losses[‘batch‘] ‘loss‘ ‘train_batch‘）
            self.draw_loss_50（self.losses[‘batch‘] ‘loss‘ ‘train_batch_50‘）
            self.draw_loss_100（self.losses[‘batch‘] ‘loss‘ ‘train_batch_100‘）
            self.draw_loss_200（self.losses[‘batch‘] ‘loss‘ ‘train_batch_200‘）
            self.draw_loss_500（self.losses[‘batch‘] ‘loss‘ ‘train_batch_500‘）
            self.draw_loss_1000（self.losses[‘batch‘] ‘loss‘ ‘train_batch_1000‘）
            self.draw_p（self.accuracy[‘batch‘] ‘acc‘ ‘train_batch‘）
            self.draw_p（self.val_loss[‘batch‘] ‘loss‘ ‘val_batch‘）
            self.draw_p（self.val_acc[‘batch‘] ‘acc‘ ‘val_batch‘）
    def on_epoch_end（self batch logs={}）:
        self.losses[‘epoch‘].append（logs.get（‘loss‘））
        self.accuracy[‘epoch‘].append（logs.get（‘acc‘））
        self.val_loss[‘epoch‘].append（logs.get（‘val_loss‘））
        self.val_acc[‘epoch‘].append（logs.get（‘val_acc‘））
        if int（time.time（）） % 5 == 0:
            self.draw_loss（self.losses[‘epoch‘] ‘loss‘ ‘train_epoch‘）
            self.draw_loss_50（self.losses[‘batch‘] ‘loss‘ ‘train_batch_50‘）
            self.draw_loss_100（self.losses[‘batch‘] ‘loss‘ ‘train_batch_100‘）
            self.draw_loss_200（self.losses[‘batch‘] ‘loss‘ ‘train_batch_200‘）
            self.draw_loss_500（self.losses[‘batch‘] ‘loss‘ ‘train_batch_500‘）
            self.draw_loss_1000（self.losses[‘batch‘] ‘loss‘ ‘train_batch_500‘）
            self.draw_p（self.accuracy[‘epoch‘] ‘acc‘ ‘train_epoch‘）
            self.draw_p（self.val_loss[‘epoch‘] ‘loss‘ ‘val_epoch‘）
            self.draw_p（self.val_acc[‘epoch‘] ‘acc‘ ‘val_epoch‘）
    def draw_p（self lists label type）:
        plt.figure（）
        plt.plot（range（len（lists）） lists ‘r‘ label=label）
        #plt.ylim（（0 150））
        plt.ylabel（label）
        plt.xlabel（type）

        plt.legend（loc=“upper right“）
        plt.sa