在神經網絡訓練中，我們常常需要畫出loss function的變化圖，log日志里會顯示每一次迭代的loss function的值，于是我們先把log日志保存為log.txt文檔，再利用這個文檔來畫圖。 　　

創新互聯公司-專業網站定制、快速模板網站建設、高性價比皮山網站開發、企業建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式皮山網站制作公司更省心,省錢,快速模板網站建設找我們，業務覆蓋皮山地區。費用合理售后完善，十多年實體公司更值得信賴。

1，先來產生一個log日志。

import mxnet as mx
import numpy as np
import os
import logging
logging.getLogger().setLevel(logging.DEBUG)

# Training data
logging.basicConfig(filename = os.path.join(os.getcwd(), 'log.txt'), level = logging.DEBUG) # 把log日志保存為log.txt
train_data = np.random.uniform(0, 1, [100, 2])
train_label = np.array([train_data[i][0] + 2 * train_data[i][1] for i in range(100)])
batch_size = 1
num_epoch=5
# Evaluation Data
eval_data = np.array([[7,2],[6,10],[12,2]])
eval_label = np.array([11,26,16])
train_iter = mx.io.NDArrayIter(train_data,train_label, batch_size, shuffle=True,label_name='lin_reg_label')
eval_iter = mx.io.NDArrayIter(eval_data, eval_label, batch_size, shuffle=False)
X = mx.sym.Variable('data')
Y = mx.sym.Variable('lin_reg_label')
fully_connected_layer = mx.sym.FullyConnected(data=X, name='fc1', num_hidden = 1)
lro = mx.sym.LinearRegressionOutput(data=fully_connected_layer, label=Y, name="lro")
model = mx.mod.Module(
  symbol = lro ,
  data_names=['data'],
  label_names = ['lin_reg_label'] # network structure
)
model.fit(train_iter, eval_iter,
      optimizer_params={'learning_rate':0.005, 'momentum': 0.9},
      num_epoch=20,
      eval_metric='mse',)
model.predict(eval_iter).asnumpy()
metric = mx.metric.MSE()
model.score(eval_iter, metric)

標題名稱：python保存log日志,實現用log日志畫圖-創新互聯
鏈接URL：http://www.yijiale78.com/article38/pcesp.html

成都網站建設公司_創新互聯，為您提供用戶體驗、外貿網站建設、網站維護、域名注冊、品牌網站設計、Google

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯