Diagrama de dispersión de la comparación del rendimiento del modelo de aprendizaje profundo

En los principales artículos de conferencias, a menudo se puede ver que al comparar modelos, a menudo es necesario comparar la eficiencia, la cantidad de parámetros, la precisión y otros indicadores de los modelos. En el último artículo, también comparé los parámetros del modelo, FLOP, precisión, etc. Personalmente, solo uso un único modelo para comparar y registro el código aquí para que todos lo compartan. Al mismo tiempo, puede ver que a menudo se seleccionan una serie de modelos para comparar en los artículos principales de la conferencia, y también hice este tipo de imagen. Como se muestra abajo. (La posición del texto se puede ajustar según sea necesario)

El código se puede ejecutar directamente.

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()

 El código genera una imagen como esta (puedes configurar los puntos dispersos que deseas conectar en el mismo color)