pytorch中训练模型时怎么绘制loss曲线和acc曲线

在PyTorch中训练模型时，可以使用TensorBoard或Matplotlib来绘制损失曲线和准确率曲线。

## 使用TensorBoard绘制曲线

TensorBoard是一个用于可视化机器学习实验结果的工具，可以用来展示训练过程中的损失曲线和准确率曲线。以下是一个简单的示例代码，展示如何在PyTorch中使用TensorBoard来记录和可视化训练过程中的损失和准确率：

from torch.utils.tensorboard import SummaryWriter

# 创建一个SummaryWriter对象，参数log_dir指定TensorBoard日志的存储路径
writer = SummaryWriter(log_dir='logs')

for epoch in range(num_epochs):
    # ...
    
    # 记录训练损失和准确率
    writer.add_scalar('Train/Loss', train_loss, global_step=epoch)
    writer.add_scalar('Train/Accuracy', train_acc, global_step=epoch)

    # 记录验证损失和准确率
    writer.add_scalar('Val/Loss', val_loss, global_step=epoch)
    writer.add_scalar('Val/Accuracy', val_acc, global_step=epoch)
    
# 关闭SummaryWriter对象
writer.close()

在上面的示例代码中，首先需要创建一个`SummaryWriter`对象，并指定TensorBoard日志的存储路径。然后在每个epoch结束时，使用`add_scalar`方法记录训练损失、训练准确率、验证损失和验证准确率。最后，在训练过程结束时，需要调用`close`方法关闭`SummaryWriter`对象。

## 使用Matplotlib绘制曲线

除了使用TensorBoard，还可以使用Matplotlib来绘制损失曲线和准确率曲线。以下是一个简单的示例代码，展示如何在PyTorch中使用Matplotlib来绘制损失曲线和准确率曲线：

import matplotlib.pyplot as plt

train_losses = []
train_accs = []
val_losses = []
val_accs = []

for epoch in range(num_epochs):
    # ...
    
    # 记录训练损失和准确率
    train_losses.append(train_loss)
    train_accs.append(train_acc)

    # 记录验证损失和准确率
    val_losses.append(val_loss)
    val_accs.append(val_acc)

# 绘制训练和验证损失曲线
plt.plot(train_losses, label='Train Loss')
plt.plot(val_losses, label='Val Loss')
plt.legend()
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.show()

# 绘制训练和验证准确率曲线
plt.plot(train_accs, label='Train Acc')
plt.plot(val_accs, label='Val Acc')
plt.legend()
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.show()

在上面的示例代码中，首先定义了四个空列表来存储训练和验证过程中的损失和准确率。在每个epoch结束时，将训练和验证的损失和准确率记录到对应的列表中。最后，使用Matplotlib库绘制训练和验证损失曲线、训练和验证准确率曲线。