编写画出训练过程的loss曲线的代码。

在Python中，特别是在深度学习框架如TensorFlow或PyTorch中，绘制训练过程中的损失曲线通常涉及到以下几个步骤：

1. **导入必要的库**：

import matplotlib.pyplot as plt
import numpy as np

2. **假设你有一个包含训练和验证损失数据的数据结构，比如字典或列表**：

train_losses = [0.5, 0.45, 0.4, ...]  # 每个元素对应一个训练批次的损失
val_losses = [0.65, 0.6, 0.55, ...]   # 同理，每个元素是验证集的损失
epochs = range(1, len(train_losses) + 1)

3. **创建图表并设置标题、轴标签等**：

plt.figure(figsize=(10, 6))
plt.plot(epochs, train_losses, 'r', label='Training loss')
plt.plot(epochs, val_losses, 'b', label='Validation loss')
plt.title('Loss curve during training')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()

4. **显示图形**：

plt.show()

这将显示一个折线图，红色表示训练损失，蓝色表示验证损失，随着训练的进行，这两条线可以反映出模型性能是否提升以及是否存在过拟合。

如果你在实际项目中，会从训练日志文件或训练循环内部获取这些数据，而不是手动记录。