使用命令行運行caffe獲得的信息過於抽象，如訓練過程中顯示的Loss函數、測試準確率等數據均以文本形式展示；caffe用於描述神經網絡結構的prototxt文件也不利於直觀理解網絡結構。針對這幾個問題，本文總結了訓練結果折線圖繪製和神經網絡描述prototxt文件的可視化方法步驟，歸納如下。
一、繪製Iter-Loss折線圖步驟。
不僅僅是Iter和Loss的關係，神經網絡在訓練過程中有Loss，在測試過程中有Acc，度量這些數值變化的常用單位有Sec、Iter等，這些變量相關的折線圖都可按以下步驟繪製。
step1.記錄caffe訓練過程中的日誌數據，使用以下命令：
$ sudo GLOG_logtostderr=0 GLOG_log_dir='path/to/save/' ./build/tools/caffe train -solver xxx/xxx/solver.prototxt .......
只需要輸入log文件的保存路徑即可，不需要輸入log文件名稱。
即在啓動caffe訓練的命令前添加保存日誌的命令即可，之後要使用哪些caffe的參數和原先調用caffe命令一樣，直接加在後面，示例如下圖：
step2.修改產生的日誌名稱，必須以.log結尾。
生成日誌文件名稱如下，可使用mv命令將其修改成.log文件。
step3.使用plot_training_log利用日誌生成折線圖：
caffe自帶的plot_training_log可根據.log結尾的caffe日誌文件生成對應折線圖，該工具位於CAFFE_ROOT/tools/extra目錄下，該工具的使用方法如下。
Usage:
./plot_training_log.py chart_type[0-7] /where/to/save.png /path/to/first.log ...
Notes:
1. Supporting multiple logs.
2. Log file name must end with the lower-cased ".log".
Supported chart types:
0: Test accuracy vs. Iters
1: Test accuracy vs. Seconds
2: Test loss vs. Iters
3: Test loss vs. Seconds
4: Train learning rate vs. Iters
5: Train learning rate vs. Seconds
6: Train loss vs. Iters
7: Train loss vs. Seconds
二、prototxt文件生成圖形化網絡結構方法。
使用caffe自帶的draw_net.py生成prototxt對應神經網絡的圖像。
usage: draw_net.py [-h] [--rankdir RANKDIR] [--phase PHASE] input_net_proto_file output_image_file
示例如下：
