编写画出训练过程的loss曲线

在编写训练过程中损失（Loss）曲线的代码时，我们需要跟踪训练过程中的损失值，并将其可视化。这里有一个基本的Python代码示例，使用了TensorFlow和Keras库，假设我们正在训练一个模型：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import matplotlib.pyplot as plt

# 定义简单线性回归模型
model = Sequential([
    Dense(units=1, input_shape=[1])
])

# 设置优化器和损失函数
optimizer = tf.keras.optimizers.SGD(learning_rate=0.01)
loss_fn = tf.keras.losses.MeanSquaredError()

# 假设我们有个生成随机数据的函数data_generator，用于模拟训练集
def generate_data(num_samples):
    # 这里只是示例，你需要替换为真实的数据生成逻辑
    x_train = np.random.rand(num_samples, 1)
    y_train = 2 * x_train + 1 + np.random.randn(num_samples, 1)
    return x_train, y_train

# 准备数据
x_train, y_train = generate_data(1000)

# 训练循环
history = model.fit(x_train, y_train, epochs=100, verbose=0, callbacks=[tf.keras.callbacks.TensorBoard(log_dir="logs")])  # 使用TensorBoard记录训练信息

# 获取训练历史
loss_history = history.history["loss"]

# 绘制损失曲线
plt.figure(figsize=(8, 6))
plt.plot(range(1, len(loss_history) + 1), loss_history, label="Training Loss")
plt.title("Loss Curve During Training")
plt.xlabel("Epochs")
plt.ylabel("Mean Squared Error (MSE)")
plt.grid(True)
plt.legend()
plt.show()

# 或者可以保存为图片
plt.savefig("training_loss_curve.png")

在这个例子中，我们首先定义了一个简单的线性回归模型，然后在训练过程中收集每个epoch的损失值，并利用`TensorBoard`回调来记录。最后，我们绘制了损失随时间变化的趋势。