我想让MTCNN代码运行后输出准确率折线图该怎样修改代码for epoch in range(epoch_num): for batch_id, (img, label, bbox, landmark) in enumerate(train_loader): img = img.to(device) label = label.to(device).long() bbox = bbox.to(device) landmark = landmark.to(device) class_out, bbox_out, landmark_out = model(img) cls_loss = class_loss(class_out, label) box_loss = bbox_loss(bbox_out, bbox, label) landmarks_loss = landmark_loss(landmark_out, landmark, label) total_loss = radio_cls_loss * cls_loss + radio_bbox_loss * box_loss + radio_landmark_loss * landmarks_loss optimizer.zero_grad() total_loss.backward() optimizer.step() if batch_id % 100 == 0: acc = accuracy(class_out, label) print('[%s] Train epoch %d, batch %d, total_loss: %f, cls_loss: %f, box_loss: %f, landmarks_loss: %f, ' 'accuracy：%f' % (datetime.now(), epoch, batch_id, total_loss, cls_loss, box_loss, landmarks_loss, acc)) scheduler.step()

要在 MTCNN 代码运行后输出准确率折线图，可以使用 Matplotlib 库绘制折线图，并在训练过程中保存每个 epoch 的准确率和损失值，最后将其绘制成折线图。

具体来说，可以按照以下步骤进行修改：

1. 在代码开头引入 Matplotlib 库，并定义一个空列表来保存每个 epoch 的准确率和损失值，例如：

import matplotlib.pyplot as plt

epoch_acc = []
epoch_loss = []

2. 在训练过程中，在每个 epoch 结束后计算当前 epoch 的准确率和损失值，并将其添加到列表中，例如：

if batch_id % 100 == 0:
    acc = accuracy(class_out, label)
    epoch_acc.append(acc)
    epoch_loss.append(total_loss)

    print('[%s] Train epoch %d, batch %d, total_loss: %f, cls_loss: %f, box_loss: %f, landmarks_loss: %f, '
          'accuracy：%f' % (datetime.now(), epoch, batch_id, total_loss, cls_loss, box_loss, landmarks_loss, acc))

3. 在训练结束后，使用 Matplotlib 库绘制准确率和损失值的折线图，例如：

plt.plot(range(1, epoch_num + 1), epoch_acc, label='Accuracy')
plt.plot(range(1, epoch_num + 1), epoch_loss, label='Loss')
plt.xlabel('Epoch')
plt.legend()
plt.show()

这样，就可以在训练过程中保存准确率和损失值，并最终将其绘制成折线图。需要注意的是，Matplotlib 库需要单独安装，并且在绘图前需要先将数据转化为 NumPy 数组。