Tensorfow 之 結果視覺化

2021-08-07 20:42:44 字數 1340 閱讀 1634

安裝 中輸出結果視覺化模組 matplotlib

import matplotlib.pyplot as plt
使用上篇部落格的例子，在裡面新增了視覺化的部分，就可以將這先乏味的資料通通影象更直觀的檢視了。

首先需要的是構建圖形，用散點圖描述真實資料之間的關係。

每隔50次訓練重新整理一次圖形，用紅色、寬度為5的線來顯示我們的**資料和輸入之間的關係，並暫停0.1s

主要**：

with tf.session() as sess:


sess.run(init)


#先生成框


fig = plt.figure()


ax = fig.add_subplot(1,1,1)#做連續性的畫圖


#plot上真實資料


ax.scatter(x_data,y_data)


plt.ion()


#列印輸出


plt.show()


for i in range(1000):


sess.run(train_step, feed_dict=)


if i% 50:


try:


#抹去上面一條線


ax.lines.remove(lines[0])


except exception:


pass


#顯示出**資料


prediction_value = sess.run(layer_output,feed_dict=)


#通過曲線形式plot上去 寬度為5的紅色的線


lines = ax.plot(x_data, prediction_value, 'r-', lw=5)


#暫停0.1秒


plt.pause(0.1)


print sess.run(loss,feed_dict=)
最後的效果圖

可以看出來，**曲線越來越區近真實曲線了。

結果視覺化

import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def add layer inputs,input size,output size,activation function none weight...

結果視覺化

1 import tensorflow as tf 2import numpy as np 3import matplotlib.pyplot as plt 4def add layer inputs,in size,out size,activation function none 5 weigh...

高維聚類結果視覺化

利用sklearn包裡的birch演算法，以iris資料集，聚類結果視覺化 如下 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets.samples generator import make blobs ...