根据yolo训练的csv文件绘制模型对比曲线_yolov5 根据result.txt画出loss图代码

复杂一点的

更简单的直接跳转

直接利用csv绘制

csv文件准备：

每个csv文件内容如下
##### 代码

# 绘制目标检测损失对比曲线
import matplotlib
import pandas as pd
import warnings
import matplotlib.pyplot as plt

warnings.filterwarnings("ignore", category=matplotlib.MatplotlibDeprecationWarning)
# 进行绘图操作
net2 = pd.read_csv('/Volumes/LaCie/卷积神经网络实现minst数据集分类/minst_demo/edata2/logs2-train_loss/logs2-net2-train_loss.csv', usecols=['Step', 'Value'])
plt.plot(net2.Step, net2.Value, lw=1.0, label='net2', color='blue')

net4 = pd.read_csv('/Volumes/LaCie/卷积神经网络实现minst数据集分类/minst_demo/edata2/logs2-train_loss/logs2-net4-train_loss.csv', usecols=['Step', 'Value'])
plt.plot(net4.Step, net4.Value, lw=1.0, label='net4', color='red', linestyle='dashdot')  # 使用曲线插值

net5 = pd.read_csv('/Volumes/LaCie/卷积神经网络实现minst数据集分类/minst_demo/edata2/logs2-train_loss/logs2-net5-train_loss.csv', usecols=['Step', 'Value'])
plt.plot(net5.Step, net5.Value, lw=1.0, label='net5', color='black', linestyle='dashdot')  # 使用曲线插值


plt.xlabel('Epoch')
plt.ylabel('loss')

plt.legend(loc=0)
plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

效果

写到这里突然发现有种更简单的方法，后面有时间在补吧！

直接利用csv绘制

还有一种简单一点的方法： 直接根据模型训练得到的csv文件来绘制曲线，一般csv文件的列名是下面这样的

放个清楚一点的就是这样的

注意，有的模型训练的时候使用了早停机制，所以两个需要对比的csv文件的epoch是不一样的，如果你需要实现以最小的那个epoch为准使用下面这段代码

import pandas as pd
import matplotlib.pyplot as plt

# 读取两个CSV文件
data1 = pd.read_csv('train_data/train23_1/results.csv')
data2 = pd.read_csv('train_data/train2_1/results.csv')

# 去除列名前后的空格
data1.columns = data1.columns.str.strip()
data2.columns = data2.columns.str.strip()

# 提取'epoch'和'metrics/recall(B)'列的数据
epoch1 = data1['epoch']
recall1 = data1['metrics/recall(B)']

epoch2 = data2['epoch']
recall2 = data2['metrics/recall(B)']

# 找到两个数据集中的最大epoch值
min_epoch1 = max(epoch1)
print(min_epoch1)
min_epoch2 = max(epoch2)
print(min_epoch2)

# 取两个数据集中最大epoch值的最小值，以确定共同的epoch范围
min_common_epoch = min(min_epoch1, min_epoch2)

# 仅保留小于最小共同epoch值的数据点
epoch1 = epoch1[epoch1 < min_common_epoch]
recall1 = recall1[:len(epoch1)]

epoch2 = epoch2[epoch2 < min_common_epoch]
recall2 = recall2[:len(epoch2)]

# 绘制曲线
plt.plot(epoch1, recall1, lw=1.0, label='net1', color='blue')
plt.plot(epoch2, recall2, lw=1.5, label='net2', color='red')

plt.xlabel('Epoch')
plt.ylabel('Recall')

plt.legend(loc=0)
plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

效果如下：

当然，如果你想体现所有的epoch，那就更简单了。下面这段代码请食用：

import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV文件，不仅仅包括'epoch'和'metrics/recall(B)'列
data1 = pd.read_csv('train_data/train23_1/results.csv')

# 去除列名前后的空格，并提取'epoch'和'metrics/recall(B)'列的数据
data1.columns = data1.columns.str.strip()
epoch1 = data1['epoch']
recall1 = data1['metrics/recall(B)']

plt.plot(epoch1, recall1, lw=1.0, label='YOLOv8', color='blue')

# 类似地处理第二个数据集
data2 = pd.read_csv('train_data/train2_1/results.csv')
data2.columns = data2.columns.str.strip()
epoch2 = data2['epoch']
recall2 = data2['metrics/recall(B)']

plt.plot(epoch2, recall2, lw=1.5, label='Diamond-YOLO', color='red')  # 使用曲线插值

plt.xlabel('Epoch')
plt.ylabel('Recall')

plt.legend(loc=0)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

效果如下：

持续更新中…