“““
Retrain?the?YOLO?model?for?your?own?dataset.
“““
import?time
import?numpy?as?np
import?keras.backend?as?K
from?keras.layers?import?Input?Lambda
from?keras.models?import?Model
from?keras.optimizers?import?Adam
from?keras.callbacks?import?TensorBoard?ModelCheckpoint?ReduceLROnPlateau?EarlyStopping

from?yolo3.model?import?preprocess_true_boxes?yolo_body?tiny_yolo_body?yolo_loss
from?yolo3.utils?import?get_random_data

import?keras
import?matplotlib.pyplot?as?plt

#?構建繪圖模塊
class?LossHistory（keras.callbacks.Callback）:
????def?on_train_begin（self?logs={}）:
????????self.losses?=?{‘batch‘:?[]?‘epoch‘:?[]}
????????self.accuracy?=?{‘batch‘:?[]?‘epoch‘:?[]}
????????self.val_loss?=?{‘batch‘:?[]?‘epoch‘:?[]}
????????self.val_acc?=?{‘batch‘:?[]?‘epoch‘:?[]}
????def?on_batch_end（self?batch?logs={}）:
????????self.losses[‘batch‘].append（logs.get（‘loss‘））
????????self.accuracy[‘batch‘].append（logs.get（‘acc‘））
????????self.val_loss[‘batch‘].append（logs.get（‘val_loss‘））
????????self.val_acc[‘batch‘].append（logs.get（‘val_acc‘））
????????if?int（time.time（））?%?5?==?0:
????????????self.draw_loss（self.losses[‘batch‘]?‘loss‘?‘train_batch‘）
????????????self.draw_loss_50（self.losses[‘batch‘]?‘loss‘?‘train_batch_50‘）
????????????self.draw_loss_100（self.losses[‘batch‘]?‘loss‘?‘train_batch_100‘）
????????????self.draw_loss_200（self.losses[‘batch‘]?‘loss‘?‘train_batch_200‘）
????????????self.draw_loss_500（self.losses[‘batch‘]?‘loss‘?‘train_batch_500‘）
????????????self.draw_loss_1000（self.losses[‘batch‘]?‘loss‘?‘train_batch_1000‘）
????????????self.draw_p（self.accuracy[‘batch‘]?‘acc‘?‘train_batch‘）
????????????self.draw_p（self.val_loss[‘batch‘]?‘loss‘?‘val_batch‘）
????????????self.draw_p（self.val_acc[‘batch‘]?‘acc‘?‘val_batch‘）
????def?on_epoch_end（self?batch?logs={}）:
????????self.losses[‘epoch‘].append（logs.get（‘loss‘））
????????self.accuracy[‘epoch‘].append（logs.get（‘acc‘））
????????self.val_loss[‘epoch‘].append（logs.get（‘val_loss‘））
????????self.val_acc[‘epoch‘].append（logs.get（‘val_acc‘））
????????if?int（time.time（））?%?5?==?0:
????????????self.draw_loss（self.losses[‘epoch‘]?‘loss‘?‘train_epoch‘）
????????????self.draw_loss_50（self.losses[‘batch‘]?‘loss‘?‘train_batch_50‘）
????????????self.draw_loss_100（self.losses[‘batch‘]?‘loss‘?‘train_batch_100‘）
????????????self.draw_loss_200（self.losses[‘batch‘]?‘loss‘?‘train_batch_200‘）
????????????self.draw_loss_500（self.losses[‘batch‘]?‘loss‘?‘train_batch_500‘）
????????????self.draw_loss_1000（self.losses[‘batch‘]?‘loss‘?‘train_batch_500‘）
????????????self.draw_p（self.accuracy[‘epoch‘]?‘acc‘?‘train_epoch‘）
????????????self.draw_p（self.val_loss[‘epoch‘]?‘loss‘?‘val_epoch‘）
????????????self.draw_p（self.val_acc[‘epoch‘]?‘acc‘?‘val_epoch‘）
????def?draw_p（self?lists?label?type）:
????????plt.figure（）
????????plt.plot（range（len（lists））?lists?‘r‘?label=label）
????????#plt.ylim（（0?150））
????????plt.ylabel（label）
????????plt.xlabel（type）

????????plt.legend（loc=“upper?right“）
????????plt.sa