1.csv文件

1.1 创建csv文件

这里用的是pandas库，以创建train_acc.csv为例，var_acc.csv类似

• 代码

import random
import pandas as pd
from datetime import datetime
#创建train_acc.csv和var_acc.csv文件，记录loss和accuracy
df = pd.DataFrame(columns=['time','step','train Loss','training accuracy'])#列名
df.to_csv("F:\\Documents\\train_acc.csv",index=False) #路径可以根据需要更改

• 生成train_acc.csv文件
  

1.2 将数据写入csv文件

说明：这里用的loss和accuracy数据是随机生成的，仅用作test

#初始化train数据
t_loss = 0.4
t_acc = 0.3
for i in range(20):#假设迭代20次time = "%s"%datetime.now()#获取当前时间step = "Step[%d]"%it_loss = t_loss - random.uniform(0.01,0.017)train_loss = "%f"%t_losst_acc = t_acc + random.uniform(0.025,0.035)train_acc = "%g"%t_acc
#将数据保存在一维列表list = [time,step,train_loss,train_acc]
#由于DataFrame是Pandas库中的一种数据结构，它类似excel，是一种二维表，所以需要将list以二维列表的形式转化为DataFramedata = pd.DataFrame([list])data.to_csv('F:\\Documents\\train_acc.csv',mode='a',header=False,index=False)#mode设为a,就可以向csv文件追加数据了

• 写入数据后
  

1.3 可视化

• 代码

#可视化
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#读取csv中指定列的数据
data = pd.read_csv('F:\\Documents\\train_acc.csv')
data_loss = data[['train Loss']] #class 'pandas.core.frame.DataFrame'
data_acc = data[['training accuracy']]
x = np.arange(0,20,1)
y1 =np.array(data_loss)#将DataFrame类型转化为numpy数组
y2 = np.array(data_acc)
#绘图
plt.plot(x,y1,label="loss")
plt.plot(x,y2,label="accuracy")
plt.title("loss & accuracy") 
plt.xlabel('step')
plt.ylabel('probability')
plt.legend()   #显示标签
plt.show()

• 折线图
  

2.txt文件

2.1 创建txt文件并写入数据

这里重新生成一组数据写入txt文件，这个较简单，直接上代码

• 代码

from datetime import datetime
import randomtrain_loss = 0.4
train_acc = 0.3
trainAcc_txt = "F:\\Documents\\train_acc.txt"
for i in range(20):train_loss = train_loss - random.uniform(0.01,0.017)train_acc = train_acc + random.uniform(0.025,0.035)output = "%s：Step [%d]  train Loss : %f, training accuracy :  %g" % (datetime.now(),i, train_loss, train_acc)with open(trainAcc_txt,"a+") as f:f.write(output+'\n')f.close

• 效果