如何通过编程实现FCN（Fully Convolutional Network）模型在训练过程中平均交并比（Intersection over Union, IoU）的变化趋势图形绘制？

在深度学习中，使用FCN（全卷积网络）训练时，我们可以记录每个迭代过程（如每个epoch或一批次）的IoU分数，然后利用这些数据生成变化趋势的图形。这里以TensorFlow为例，假设你已经有了每个epoch的IoU列表：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 假设这是你从训练过程中得到的IoU列表，每一项对应一个epoch
iou_values = [0.7, 0.75, 0.8, 0.85, 0.9, 0.92]

# 计算平均IoU
mean_iou = np.mean(iou_values)

# 绘制折线图
epochs = list(range(len(iou_values)))  # 从0开始到总epoch数-1
plt.figure(figsize=(10, 6))
plt.plot(epochs, iou_values, label='Mean IoU', marker='o')
plt.axhline(mean_iou, color='red', linestyle='--', label='Average IoU')
plt.xlabel('Epochs')
plt.ylabel('Intersection over Union (IoU)')
plt.title('Training IoU Progress with FCN')
plt.grid(True)
plt.legend()
plt.show()

# 可以选择保存图片到文件
# plt.savefig('fcn_training_iou.png')