認真過每一天、快樂過每一天

Expand search form
Menu

透過 ChatGPT 輕鬆生成視覺化圖表與程式碼

想將你的數據轉化為清晰易懂的視覺化圖表嗎？現在，這個過程變得前所未有的簡單！

方法是這樣的：先將你的 log 檔上傳給 ChatGPT，請它根據內容產製圖表。或者，也可以在網路上找尋其他人的成果範例圖片，把圖片上傳給 ChatGPT並下達這樣的提示詞：

請讀取 .txt 檔案後, 產生類似這個圖表的 python script

當然可以！以下是調整後的 plot_losses.py，加入了命令列參數功能，讓你可以用如下方式執行並指定檔案名稱：

python plot_losses.py your_log.txt

✅ 修改後的 plot_losses.py

import re
import sys
import pandas as pd
import matplotlib.pyplot as plt

def parse_log_file(filepath):
    with open(filepath, 'r') as file:
        log_text = file.read()

    pattern = re.compile(
        r"Epoch: \[\s*(\d+)\], Batch: \[\s*\d+/\s*\d+\].*?\n"
        r"\s*d_loss:\s*([\d.]+),\s*g_loss:\s*([\d.]+),\s*const_loss:\s*([\d.]+),\s*"
        r"l1_loss:\s*([\d.]+),\s*fm_loss:\s*([\d.]+),\s*perc_loss:\s*([\d.]+),\s*edge:\s*([\d.]+)"
    )

    records = []
    for match in pattern.finditer(log_text):
        epoch = int(match.group(1))
        d_loss = float(match.group(2))
        g_loss = float(match.group(3))
        const_loss = float(match.group(4))
        l1_loss = float(match.group(5))
        fm_loss = float(match.group(6))
        perc_loss = float(match.group(7))
        edge = float(match.group(8))

        records.append({
            'epoch': epoch,
            'd_loss': d_loss,
            'g_loss': g_loss,
            'const_loss': const_loss,
            'l1_loss': l1_loss,
            'fm_loss': fm_loss,
            'perc_loss': perc_loss,
            'edge': edge
        })

    return pd.DataFrame(records)

def plot_losses(df):
    df_mean = df.groupby('epoch').mean().reset_index()

    plt.figure(figsize=(12, 7))
    loss_types = ['d_loss', 'g_loss', 'l1_loss', 'perc_loss', 'edge']
    for loss in loss_types:
        plt.plot(df_mean['epoch'], df_mean[loss], label=loss)

    plt.title('Training Loss Over Epochs')
    plt.xlabel('Epoch')
    plt.ylabel('Loss')
    plt.legend()
    plt.grid(True)
    plt.tight_layout()
    plt.show()

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("用法: python plot_losses.py <log檔案名稱>")
        sys.exit(1)

    log_file = sys.argv[1]
    try:
        df = parse_log_file(log_file)
        plot_losses(df)
    except FileNotFoundError:
        print(f"找不到檔案: {log_file}")
    except Exception as e:
        print(f"發生錯誤: {e}")

🧪 使用方法：

python plot_losses.py your_log.txt

需要我幫你把結果存成 PNG 圖檔？或要加上滑動平均曲線？都可以幫你擴充 👍

更神奇的是，只需要一個「要」字，就能擴充功能！無論是將結果存成 PNG 檔，還是加上滑動平均曲線，ChatGPT 都能輕鬆搞定 👍

透過 ChatGPT 提供的程式碼產生的圖表，簡直令人難以置信！竟然無需任何程式基礎，就能獲得想要的圖表和對應的程式碼。從此以後，自己就能離線且隨時產生相同的圖表，再也不用麻煩 ChatGPT 來產生！

使用 AI 增強與調整功能:

好的，這是一個修改後的 script，使用 argparse 處理命令行參數，並增加了 -s/--silent 參數來控制是否顯示 plot，以及儲存圖檔的功能：

Python

import re
import argparse
import pandas as pd
import matplotlib.pyplot as plt
import os

def parse_log_file(filepath):
    with open(filepath, 'r', encoding='utf-8') as file:
        log_text = file.read()

    pattern = re.compile(
        r"Epoch: \[\s*(\d+)\], Batch: \[\s*\d+/\s*\d+\].*?\n"
        r"\s*d_loss:\s*([\d.]+),\s*g_loss:\s*([\d.]+),\s*const_loss:\s*([\d.]+),\s*"
        r"l1_loss:\s*([\d.]+),\s*fm_loss:\s*([\d.]+),\s*perc_loss:\s*([\d.]+),\s*edge:\s*([\d.]+)"
    )

    records = []
    for match in pattern.finditer(log_text):
        epoch = int(match.group(1))
        d_loss = float(match.group(2))
        g_loss = float(match.group(3))
        const_loss = float(match.group(4))
        l1_loss = float(match.group(5))
        fm_loss = float(match.group(6))
        perc_loss = float(match.group(7))
        edge = float(match.group(8))

        records.append({
            'epoch': epoch,
            'd_loss': d_loss,
            'g_loss': g_loss,
            'const_loss': const_loss,
            'l1_loss': l1_loss,
            'fm_loss': fm_loss,
            'perc_loss': perc_loss,
            'edge': edge
        })

    return pd.DataFrame(records)

def plot_losses(df, output_filename=None):
    df_mean = df.groupby('epoch').mean().reset_index()

    plt.figure(figsize=(12, 7))
    loss_types = ['d_loss', 'g_loss', 'l1_loss', 'perc_loss', 'edge']
    for loss in loss_types:
        plt.plot(df_mean['epoch'], df_mean[loss], label=loss)

    plt.title('Training Loss Over Epochs')
    plt.xlabel('Epoch')
    plt.ylabel('Loss')
    plt.legend()
    plt.grid(True)
    plt.tight_layout()

    if output_filename:
        plt.savefig(output_filename)
        print(f"圖檔已儲存至: {output_filename}")
    else:
        plt.show()

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="從 log 檔案中解析 loss 並繪製圖表。")
    parser.add_argument("log_file", help="輸入的 log 檔案名稱")
    parser.add_argument("-s", "--silent", action="store_true", help="不顯示 plot，直接儲存圖檔")
    args = parser.parse_args()

    log_file = args.log_file
    silent_mode = args.silent

    try:
        df = parse_log_file(log_file)
        base_filename = os.path.splitext(log_file)[0]
        output_filename = f"{base_filename}.png"
        plot_losses(df, output_filename if silent_mode else None)
    except FileNotFoundError:
        print(f"找不到檔案: {log_file}")
    except Exception as e:
        print(f"發生錯誤: {e}")

主要修改說明:

  1. 引入 argparse 模組: Pythonimport argparse
  2. 設定 ArgumentParser: Pythonparser = argparse.ArgumentParser(description="從 log 檔案中解析 loss 並繪製圖表。") parser.add_argument("log_file", help="輸入的 log 檔案名稱") parser.add_argument("-s", "--silent", action="store_true", help="不顯示 plot，直接儲存圖檔") args = parser.parse_args()
    • argparse.ArgumentParser() 創建一個解析器物件，用於定義和解析命令行參數。
    • parser.add_argument("log_file", ...) 定義一個位置參數 log_file，使用者必須提供這個參數，它是 log 檔案的路徑。
    • parser.add_argument("-s", "--silent", ...) 定義一個可選的 flag 參數 -s 或 --silent。action="store_true" 表示當使用者提供這個 flag 時，args.silent 的值會是 True，否則為 False。
  3. 取得參數值: Pythonlog_file = args.log_file silent_mode = args.silent 從 args 物件中取得 log_file 和 silent 的值。
  4. 修改 plot_losses 函數:
    • 增加一個可選參數 output_filename。
    • 如果 output_filename 有值，則使用 plt.savefig(output_filename) 將圖表儲存到檔案，並印出儲存成功的訊息。
    • 如果 output_filename 為 None (表示沒有提供，或者 -s 參數未被使用)，則呼叫 plt.show() 顯示圖表。
  5. 在 if __name__ == "__main__": 區塊中處理 silent_mode: Pythonbase_filename = os.path.splitext(log_file)[0] output_filename = f"{base_filename}.png" plot_losses(df, output_filename if silent_mode else None)
    • 使用 os.path.splitext() 取得輸入 log 檔案的主檔名（不包含副檔名）。
    • 根據主檔名建立 .png 檔案名稱。
    • 將 output_filename 傳遞給 plot_losses 函數。只有當 silent_mode 為 True 時，output_filename 才會有值，否則為 None。

如何執行這個 script:

  1. 儲存檔案: 將修改後的程式碼儲存為一個 .py 檔案，例如 plot_losses.py。
  2. 在終端機中執行:
    • 顯示 plot (預設行為): Bashpython plot_losses.py your_log_file.log 將 your_log_file.log 替換為你的實際 log 檔案名稱。
    • 不顯示 plot，直接儲存檔案: Bashpython plot_losses.py -s your_log_file.log 或者使用長參數： Bashpython plot_losses.py --silent your_log_file.log 這會在與 log 檔案相同的目錄下，產生一個名為 your_log_file.png 的圖檔。

現在這個 script 更加靈活，可以透過命令行參數控制是否顯示 plot 並儲存圖檔。

Facebook網友回應

您可能也會感興趣的文章...

學習印尼話

生活小事

Youtube 真的很神奇，可以直接在上面學習到很多想學的技能和語言，還可以在上面聽音樂和看免費的連續劇。 我想學學看印尼話，在Youtube 上是參考這一系列的影片，建 […]

Read More

看見大車一定要離遠一點！ 不會每次都這樣幸運的！(非血腥)

生活小事

嚇死人，居然還有小朋友在車底！ 很多大車都有視線的死角， 好險聯結車開很慢！ 有時候雖然不在死角裡，是開車的人沒有留意2側的車況，所以自保之道就是離大車遠一點。從這張照片 […]

Read More

終有一天，你的負擔將變成禮物，你受的苦將照亮你的路

生活小事

The day is near when thy burden will become thy gift, and thy sufferings will light u […]

Read More

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

Close Menu