如何绘制caffe训练过程中的loss和accurary的曲线
绘制caffe训练过程中的loss和accurary的曲线
步骤如下：
1.记录训练日志
在训练过程中的命令中加入一行参数 ，实现Log日志的记录
GLOG_logtostderr=0 GLOG_log_dir=/home/liuyun/caffe/models/AAA/A12/Log/ \
/home/liuyun/caffe/build/tools/caffe train -solver examples/AAA/solver.prototxt -weights ./models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
其中目录改成自己系统的目录，这样训练结束之后，会在Log文件夹中生成每次训练的Log日志。
2.解析训练日志
将最上面说的3个脚本文件拷贝到Log 文件夹下，执行：
./parse_log.sh caffe.liuyun-860-088cn.root.log.INFO.20160830-090533.5367
这样就会在当前文件夹下生成一个.train文件和一个.test文件。
3.生成图片
执行：
./plot_training_log.py.example 6 train_loss.png caffe.liuyun-860-088cn.root.log注意：一定将caffe.liuyun-860-088cn.root.log.INFO.20160830-090533.5367改为caffe.liuyun-860-088cn.root.log，.log为后缀。
就可以生成训练过程中的Train loss vs. Iters 曲线,其中6代表曲线类型， train_loss.png 代表保存的图片名称
caffe中支持很多种曲线绘制，通过指定不同的类型参数即可，具体参数如下:
Notes:
1. Supporting multiple logs.
2. Log file name must end with the lower-cased ".log".
Supported chart types:
0: Test accuracy vs. Iters
1: Test accuracy vs. Seconds
2: Test loss vs. Iters
3: Test loss vs. Seconds
4: Train learning rate vs. Iters
5: Train learning rate vs. Seconds
6: Train loss vs. Iters
7: Train loss vs. Seconds
最后，看一下效果:
GET、POST及其他快捷方法都会自动设置method参数，所以不需要手动设置。config对象会作为最后一个参数传递给$http.get和$http.post，所以，在所有的快捷方法内部都可以使用这个参数。你可以传递config对象来修改发送的请求，config对象可以设置以下键值。
method：一个字符串，表示HTTP请求的类型，例如GET或者POST。
url：URL字符串，表示请求的绝对或者相对资源路径。
params：一个键和值都是字符串的对象（确切来说是一个map），表示需要转换成URL参数的键和值。例如：
[{key1: 'value1', key2: 'value2'}]
将会被转换成
?key1=value&key2=value2
