### Python 中保存训练过程中的 Loss 和准确率的方法 在机器学习或深度学习项目中，记录并保存每次迭代的损失（Loss）和准确率是非常重要的。以下是实现这一目标的具体方法： #### 使用文件存储数据 可以通过将每一步的 `loss` 和 `accuracy` 值写入到 `.txt` 或 `.csv` 文件来保存这些数据。 ```python import csv def save_loss_accuracy(log_file, epoch, step, loss, accuracy): with open(log_file, 'a', newline='') as file: writer = csv.writer(file) writer.writerow([epoch, step, loss, accuracy]) ``` 调用此函数时传入当前的 `epoch`, `step`, `loss`, 和 `accuracy` 即可完成一次记录[^1]。 #### 将日志用于绘图 如果希望后续能够可视化训练过程中 `loss` 和 `accuracy` 的变化趋势，则可以从上述保存的日志文件中读取数据，并利用 Matplotlib 进行绘制[^2]。 ```python import matplotlib.pyplot as plt log_data = [] with open('training_log.csv', 'r') as f: reader = csv.reader(f) for row in reader: log_data.append(row) epochs = [int(data[0]) for data in log_data] steps = [int(data[1]) for data in log_data] losses = [float(data[2]) for data in log_data] accuracies = [float(data[3]) for data in log_data] plt.figure(figsize=(12, 6)) # 绘制 Loss 图像 plt.subplot(1, 2, 1) plt.plot(steps, losses, label='Training Loss') plt.title('Training Loss over Steps') plt.xlabel('Steps') plt.ylabel('Loss') # 绘制 Accuracy 图像 plt.subplot(1, 2, 2) plt.plot(steps, accuracies, color='orange', label='Accuracy') plt.title('Model Accuracy over Steps') plt.xlabel('Steps') plt.ylabel('Accuracy (%)') plt.tight_layout() plt.show() ``` 这段代码会生成两张子图分别展示 `loss` 和 `accuracy` 随时间的变化情况。 #### 动态打印控制台输出 除了保存至文件外，在程序运行期间也可以通过标准输出动态显示最新的 `loss` 和 `accuracy` 数据[^3]。 ```python print(('[Epoch = %d Step = %d] loss: %.3f, accuracy: %.3f %%') % (current_epoch, current_step, running_loss / total_steps, 100 * correct_predictions / total_samples)) ``` 这种方法适合实时监控模型的表现状况而无需等待整个训练结束再查看结果。 ---