无法用Matplotlib可视化训练与测试准确率，请求技术协助

问题分析 #

从你提供的图表来看，当前可视化存在两个核心问题：

• plt.show()之后调用plt.savefig()，会导致保存的图片为空白——因为plt.show()会清空当前画布内容
• 若loss_list、train_acc、test_acc长度不一致，会导致曲线x轴对齐混乱，图表逻辑出错

修正后的代码 #

#%% Saving Training Model

torch.save(net.state_dict(), 'trained_model.pth')
print("Trained model saved.")
#%%
print("Loss list: ", loss_list)
print("Test accuracy: ", test_acc)
print("Train accuracy: ", train_acc)

#%% visualize
# 校验数据长度一致性（每个epoch对应一组指标）
assert len(loss_list) == len(train_acc) == len(test_acc), "数据列表长度不匹配，请检查指标记录逻辑"

fig, ax1 = plt.subplots(figsize=(10,6))  # 增大画布提升可读性
ax1.plot(loss_list, label="Loss", color="black", linewidth=2)
ax1.set_xlabel('Epoch', fontsize=12)
ax1.set_ylabel('Loss', fontsize=12)
ax1.tick_params(axis='both', labelsize=10)

ax2 = ax1.twinx()
# 统一使用loss_list的长度作为x轴，保证三条曲线epoch对齐
ax2.plot(range(len(loss_list)), np.array(test_acc)/100, label="Test Acc", color="red", linewidth=2)
ax2.plot(range(len(loss_list)), np.array(train_acc)/100, label="Train Acc", color="blue", linewidth=2)
ax2.set_ylabel('Accuracy', fontsize=12)
ax2.tick_params(axis='both', labelsize=10)

# 合并图例避免重叠
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper right', fontsize=10)

plt.title("Training Loss & Accuracy Curve", fontsize=14, pad=15)
fig.tight_layout()

# 先保存再显示，避免画布清空导致空白图
plt.savefig('resultus_LSIFIR.PNG', dpi=300, bbox_inches='tight')
plt.show()

print("Training Results Saved.")
            
#%% Load Model if You Want 

loaded_model = Net()
loaded_model.load_state_dict(torch.load('trained_model.pth'))
print("Trained Model Loaded")

关键修正点 #

• 调整保存顺序：将plt.savefig()移至plt.show()之前，避免画布清空导致的空白问题
• 数据对齐校验：添加断言确保三类指标列表长度一致，保证epoch对应关系正确
• 可读性优化：增大画布尺寸、线条宽度与字体大小，合并图例避免重叠遮挡
• 统一x轴范围：所有曲线使用相同的x轴基准，确保训练过程的指标变化趋势对齐

内容的提问来源于stack exchange，提问作者Froggremann