交叉验证保存每次的loss图代码

以下是一个简单的交叉验证保存每次的loss图的代码示例：

import matplotlib.pyplot as plt
from sklearn.model_selection import KFold

# 假设我们有一个数据集 X 和对应的标签 y
X = ...
y = ...

# 定义交叉验证的折数
n_splits = 5

# 定义 KFold 对象
kf = KFold(n_splits=n_splits)

# 定义模型
model = ...

# 定义损失函数
loss_fn = ...

# 定义优化器
optimizer = ...

# 定义保存 loss 图的列表
losses = []

# 开始交叉验证
for train_index, val_index in kf.split(X):
    # 划分训练集和验证集
    X_train, y_train = X[train_index], y[train_index]
    X_val, y_val = X[val_index], y[val_index]

    # 训练模型
    for epoch in range(num_epochs):
        # 前向传播
        y_pred = model(X_train)

        # 计算损失
        loss = loss_fn(y_pred, y_train)

        # 反向传播
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        # 记录损失
        losses.append(loss.item())

    # 保存当前折的 loss 图
    plt.plot(losses)
    plt.savefig(f'loss_{len(losses)}.png')
    plt.clf()

# 所有折的训练结束后，保存最终的 loss 图
plt.plot(losses)
plt.savefig('final_loss.png')

这段代码使用了 sklearn 中的 KFold 对象来进行交叉验证，每次训练结束后保存当前折的 loss 图，并在所有折的训练结束后保存最终的 loss 图。