往期的文章，我們介紹了TensorFlow如何添加層，如何使用激勵(lì)函數(shù)，但是我們輸出的結(jié)果都是TensorFlow訓(xùn)練的誤差值，并沒有看到TensorFlow訓(xùn)練的過程，還好matplotlib可以實(shí)現(xiàn)可視化的操作

Matplotlib

matplotlib是一個(gè)Python 2D繪圖庫(kù)，它可以在各種平臺(tái)上以各種硬拷貝格式和交互式環(huán)境生成出具有出版品質(zhì)的圖形，Matplotlib試圖讓簡(jiǎn)單的事情變得更簡(jiǎn)單，讓無法實(shí)現(xiàn)的事情變得可能實(shí)現(xiàn)。 只需幾行代碼即可生成繪圖，直方圖，功率譜，條形圖，錯(cuò)誤圖，散點(diǎn)圖等。為了簡(jiǎn)單繪圖，pyplot模塊提供了類似于MATLAB的界面，特別是與IPython結(jié)合使用時(shí)。

繪制坐標(biāo)圖： import numpy as np

import matplotlib.pyplot as plt

x = np.array([1,2,3,4,5,6,7,8])

y = np.array([3,15,27,6,32,61,10,15])

plt.plot(x,y,'r')#r表示線的顏色為紅色

plt.show()

繪制柱狀圖： x1 = np.array([1,2,3,4,5,6,7,8])

y1 = np.array([13,25,17,36,21,16,10,15])

plt.bar(x1,y1,0.2,alpha=1,color='b')

plt.show()

繪制函數(shù)： x = np.linspace(-1, 1,100)

y = 3*x**2-0.5

plt.plot(x, y)

plt.show()

繪制3D圖： from mpl_toolkits.mplot3d import Axes3D#需要導(dǎo)入3D庫(kù)

# 創(chuàng)建 3D 圖形對(duì)象

fig = plt.figure()

ax = Axes3D(fig)

通過以上代碼就建立了一個(gè)3D坐標(biāo)軸，我們?cè)谧鴺?biāo)軸的基礎(chǔ)上添加數(shù)據(jù)：

# 生成數(shù)據(jù)

X = np.arange(-2, 2, 0.1)

Y = np.arange(-2, 2, 0.1)

# 生成網(wǎng)格數(shù)據(jù)

X, Y = np.meshgrid(X, Y)

Z = np.sqrt(X ** 2 + Y ** 2)

生成 X Y Z三維數(shù)據(jù)，可視化3D：

# 繪制曲面圖，并使用 cmap 著色

ax.plot_surface(X, Y, Z, cmap=plt.cm.rainbow)

plt.show()

cmap=plt.cm.rainbow#paried、gary_r、

采用matplotlib自帶的著色生成圖形，大家可以根據(jù)自己的喜好配置不同的著色方案

matplotlib還有很多不同的設(shè)置，大家可以參考官網(wǎng)來學(xué)習(xí)：

官網(wǎng)教程文檔：https://matplotlib.org/users/index.html

當(dāng)然matplotlib還可以生成動(dòng)態(tài)圖，小伙伴們可以自己學(xué)習(xí)

下期預(yù)告

回到我們重點(diǎn)介紹的TensorFlow中來，下期利用matplotlib可視化我們的TensorFlow神經(jīng)網(wǎng)絡(luò)

謝謝大家的觀看點(diǎn)贊與轉(zhuǎn)發(fā)，關(guān)于分享的文章，大家有任何問題，可以在評(píng)論區(qū)一起探討學(xué)習(xí)！！！

總結(jié)

以上是生活随笔為你收集整理的人工智能状态图matlab,人工智能—TensorFlow（七）：matplotlib图形可视化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。