91超碰碰碰碰久久久久久综合_超碰av人澡人澡人澡人澡人掠_国产黄大片在线观看画质优化_txt小说免费全本

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

如何通過python的matplotlib包將Tensorflow數據進行可視化

發布時間:2021-07-24 09:18:36 來源:億速云 閱讀:112 作者:小新 欄目:開發技術

這篇文章給大家分享的是有關如何通過python的matplotlib包將Tensorflow數據進行可視化的內容。小編覺得挺實用的,因此分享給大家做個參考,一起跟隨小編過來看看吧。

使用matplotlib中的一些函數將tensorflow中的數據可視化,更加便于分析

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

def add_layer(inputs, in_size, out_size, activation_function=None):
  Weights = tf.Variable(tf.random_normal([in_size, out_size]))
  biases = tf.Variable(tf.zeros([1, out_size]) + 0.1)
  Wx_plus_b = tf.matmul(inputs, Weights) + biases
  if activation_function is None:
    outputs = Wx_plus_b
  else:
    outputs = activation_function(Wx_plus_b)
  return outputs

# Make up some real data
x_data = np.linspace(-1, 1, 300)[:, np.newaxis]
noise = np.random.normal(0, 0.05, x_data.shape)
y_data = np.square(x_data) - 0.5 + noise


# define placeholder for inputs to network
xs = tf.placeholder(tf.float32, [None, 1])
ys = tf.placeholder(tf.float32, [None, 1])
# add hidden layer
l1 = add_layer(xs, 1, 10, activation_function=tf.nn.relu)
# add output layer
prediction = add_layer(l1, 10, 1, activation_function=None)

# the error between prediction and real data
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
# important step

#initialize_all_variables已被棄用,使用tf.global_variables_initializer代替。 
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

# plot the real data
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data, y_data)
plt.ion() #使plt不會在show之后停止而是繼續運行
plt.show()


for i in range(1000):
  # training
  sess.run(train_step, feed_dict={xs: x_data, ys: y_data})
  if i % 50 == 0:
    # to visualize the result and improvement
    try:
      ax.lines.remove(lines[0]) #在每一次繪圖之前先講上一次繪圖刪除,使得畫面更加清晰
    except Exception:
      pass
    prediction_value = sess.run(prediction, feed_dict={xs: x_data})
    # plot the prediction
    lines = ax.plot(x_data, prediction_value, 'r-', lw=5) #'r-'指繪制一個紅色的線
    plt.pause(1) #指等待一秒鐘

運行結果如下:(實際效果應該是動態的,應當使用ipython運行,使用jupyter運行則圖片不是動態的)

如何通過python的matplotlib包將Tensorflow數據進行可視化

注意:initialize_all_variables已被棄用,使用tf.global_variables_initializer代替。

感謝各位的閱讀!關于“如何通過python的matplotlib包將Tensorflow數據進行可視化”這篇文章就分享到這里了,希望以上內容可以對大家有一定的幫助,讓大家可以學到更多知識,如果覺得文章不錯,可以把它分享出去讓更多的人看到吧!

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

兴安盟| 扶沟县| 洪江市| 铁岭县| 临泉县| 衡南县| 余庆县| 沿河| 斗六市| 吉林市| 秀山| 封开县| 东明县| 塘沽区| 纳雍县| 宁晋县| 玛曲县| 克山县| 平乐县| 石泉县| 霍林郭勒市| 岫岩| 扎鲁特旗| 礼泉县| 合作市| 元江| 扎兰屯市| 常州市| 涟水县| 古交市| 武陟县| 阿拉善右旗| 湖南省| 漯河市| 黑山县| 微山县| 麻阳| 鲁甸县| 治县。| 阜城县| 稻城县|