Diagramme de dispersion de la comparaison des performances du modèle d'apprentissage profond

Dans les principaux articles de conférence, vous pouvez souvent constater que lors de la comparaison de modèles, il est souvent nécessaire de comparer l'efficacité, la quantité de paramètres, la précision et d'autres indicateurs des modèles. Dans le dernier article, j'ai également comparé les paramètres du modèle, les FLOP, la précision, etc. Personnellement, je n'utilise qu'un seul modèle à des fins de comparaison et j'enregistre le code ici pour que tout le monde puisse le partager. En même temps, vous pouvez voir qu'une série de modèles sont souvent sélectionnés pour comparaison dans les principaux articles de conférence, et j'ai également réalisé ce genre de photo. Comme indiqué ci-dessous. (La position du texte peut être ajustée selon les besoins)

Le code peut s'exécuter directement.

import matplotlib.pyplot as plt
import numpy as np

#数据归一化
def nm(list):
    l = []
    M = max(list)
    m = min(list)
    for i in range(len(list)):
        x = (list[i] - m) / (M - m)
        l.append(x)
    return l

# 准备数据
#原始数据
parameters = [35,55, 72, 67, 60, 51,45,39]  # 参数量数据
flops = [8,50, 65, 49, 35, 15,29,60]  # FLOPs数据 X轴
miou = [20,64, 55, 49, 59, 63,70,75]  # MIou值数据  Y轴
txt = ["A","B","C","D","E","F","G","H"] #散点名称

# 设置散点的直径
diameter = nm(parameters) #归一化
diameters = [m * 10 for m in parameters]  # 将MIou值进行缩放，乘以100以适当调整直径大小

#显示网格线
plt.grid()
plt.grid(color='b',linestyle='--', linewidth=0.5,alpha=0.5)

#设置坐标轴刻度
x_ticks = np.arange(0, 80, 5)
y_ticks = np.arange(10, 100, 5)
plt.xticks(x_ticks)
plt.yticks(y_ticks)

#设置散点之间连线
#红色的点
rx = [8,15,50,60]
ry = [20,63,64,75]
plt.scatter(rx , ry)
plt.plot(rx, ry,linestyle='solid',color='r')
#黄色的点
yx = [65,35]
yy = [55,59]
plt.scatter(yx , yy)
plt.plot(yx , yy,linestyle='solid',color='y')

# 设置颜色列表 需要写成颜色对应的十六进制数
colors =['#FF0000','#FF0000','#FFD700','#FF1493','#FFD700','#FF0000','#008080','#FF0000']
# colors = np.random.rand(len(miou)) #随机设置颜色

# 绘制散点图
plt.scatter(flops,miou, s=diameters, c=colors,alpha=0.5,marker='o',linewidths=3)
# plt.scatter(flops,miou, s=diameters, c=colors,alpha=0.4,)

# 设置标题和坐标轴标签
# plt.title("Scatter Plot: Parameter vs FLOPs")
plt.xlabel("FLOPs")
plt.ylabel("MIoU")

#显示各散点名称以及调整文字的位置
for i in range(len(miou)):
    if i == 1:
        plt.annotate(txt[i], xy=(flops[i], miou[i]), xytext=(flops[i] - 3.5, miou[i] - 0.5))
    elif i == 2:
        plt.annotate(txt[i], xy=(flops[i], miou[i]), xytext=(flops[i] - 5, miou[i] + 0.4))
    elif i == 3:
        plt.annotate(txt[i], xy=(flops[i], miou[i]), xytext=(flops[i] - 2, miou[i] + 0.25),c="b",weight='heavy')
    elif i == 5:
        plt.annotate(txt[i], xy=(flops[i], miou[i]), xytext=(flops[i] - 4, miou[i] + 0.4))
    elif i == 6:
        plt.annotate(txt[i], xy=(flops[i], miou[i]), xytext=(flops[i] - 3, miou[i] + 0.35),c="y",weight='heavy')
    else:
        plt.annotate(txt[i], xy=(flops[i], miou[i]), xytext=(flops[i] - 3, miou[i] + 0.4))

#保存图片
plt.savefig("figure.jpg",dpi=1000,bbox_inches = 'tight')#当前路径下

# 显示图表
plt.show()

 Le code génère une image comme celle-ci (vous pouvez définir les points dispersés que vous souhaitez connecter à la même couleur)