如何在训练时一边训练一边画出acc-loss图

在训练过程中一边训练一边实时绘制准确率和损失值的图表，您可以使用 Matplotlib 库的交互式模式进行实现。以下是一个示例：

import matplotlib.pyplot as plt

# 创建空的列表来保存准确率和损失值
train_accuracy = []
train_loss = []

# 开启交互式模式
plt.ion()

# 在训练循环中更新准确率和损失值，并实时绘制图表
for epoch in range(num_epochs):
    # 在每个epoch之前，清空图表
    plt.clf()
    
    # 训练代码...
    
    # 计算准确率和损失值
    accuracy, loss = compute_accuracy_and_loss()
    
    # 更新准确率和损失值列表
    train_accuracy.append(accuracy)
    train_loss.append(loss)
    
    # 绘制准确率图
    plt.subplot(1, 2, 1)
    plt.plot(train_accuracy, label='Train Accuracy')
    plt.xlabel('Epochs')
    plt.ylabel('Accuracy')
    plt.title('Training Accuracy')
    plt.legend()
    
    # 绘制损失值图
    plt.subplot(1, 2, 2)
    plt.plot(train_loss, label='Train Loss')
    plt.xlabel('Epochs')
    plt.ylabel('Loss')
    plt.title('Training Loss')
    plt.legend()
    
    # 实时更新图表
    plt.pause(0.1)

# 关闭交互式模式
plt.ioff()

# 显示最终的图表
plt.show()

这段代码中，我们使用了 `plt.ion()` 开启了交互式模式，接着在每个 epoch 中清空图表并更新准确率和损失值的列表。然后，在每个 epoch 结束时，我们实时绘制准确率和损失值的图表，使用 `plt.pause(0.1)` 实现实时更新的效果。最后，我们使用 `plt.ioff()` 关闭交互式模式，并显示最终的图表。您可以根据自己的训练代码和需求进行相应的修改。