1.5神经网络可视化显示(matplotlib)
Posted Mr.Zhao
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了1.5神经网络可视化显示(matplotlib)相关的知识,希望对你有一定的参考价值。
神经网络训练+可视化显示
#添加隐层的神经网络结构+可视化显示 import tensorflow as tf def add_layer(inputs,in_size,out_size,activation_function=None): #定义权重--随机生成inside和outsize的矩阵 Weights=tf.Variable(tf.random_normal([in_size,out_size])) #不是矩阵,而是类似列表 biaes=tf.Variable(tf.zeros([1,out_size])+0.1) Wx_plus_b=tf.matmul(inputs,Weights)+biaes if activation_function is None: outputs=Wx_plus_b else: outputs=activation_function(Wx_plus_b) return outputs import numpy as np x_data=np.linspace(-1,1,300)[:,np.newaxis] #300行数据 noise=np.random.normal(0,0.05,x_data.shape) y_data=np.square(x_data)-0.5+noise #None指定sample个数,这里不限定--输出属性为1 xs=tf.placeholder(tf.float32,[None,1]) #这里需要指定tf.float32, ys=tf.placeholder(tf.float32,[None,1]) #建造第一层layer #输入层(1) l1=add_layer(xs,1,10,activation_function=tf.nn.relu) #隐层(10) prediction=add_layer(l1,10,1,activation_function=None) #输出层(1) #预测prediction loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction), reduction_indices=[1])) #平方误差 train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss) init=tf.initialize_all_variables() sess=tf.Session() #直到执行run才执行上述操作 sess.run(init) import matplotlib.pyplot as plt fig=plt.figure() ax=fig.add_subplot(111) ax.scatter(x_data,y_data) plt.ion() #图像会连续显示 #plt.show()不会终止整个函数。在2.x时候使用plt.show(block=False) plt.show() for i in range(1000): #这里假定指定所有的x_data来指定运算结果 sess.run(train_step,feed_dict={xs:x_data,ys:y_data}) if i%50: # print (sess.run(loss,feed_dict={xs:x_data,ys:y_data})) try: #忽略第一次的错误 ax.lines.remove(lines[0]) #在图片中去掉lines的第1条线段,不然线会混乱 except Exception: prediction_value=sess.run(prediction,feed_dict={xs:x_data}) lines=ax.plot(x_data,prediction_value,\'r-\',lw=5) # ax.lines.remove(lines[0]) 移动上上面,先移除第一条线 plt.pause(0.2) #每次暂停0.2s
显示:
以上是关于1.5神经网络可视化显示(matplotlib)的主要内容,如果未能解决你的问题,请参考以下文章
matplotlib可视化连接成对数据点的线图只显示线条不显示数据点(Paired Line Plot with Matplotlib but without points)
Python使用matplotlib可视化柱状图坐标轴标签的符号(-)显示为了方框□□设置rcParams参数配置解决