以下**可直接在pycharm下執行，前提是已安裝numpy和matplotlib。
**中的每個功能都進行了注釋，讀者可自行注釋某一部分**檢視結果，以便檢驗其中某個函式的功能。
import matplotlib.pyplot as plt # 匯入matplotlib
import numpy as np
plt.figure() # 建立圖形顯示的視窗
# 定義函式點數
x = np.linspace(-3, 3, 50) # 定義x：範圍是(-3,3);個數是50.
y1 = 2*x + 1
y2 = x ** 2
# 在figure上繪製影象
l1, = plt.plot(x, y2, label='up')
# 在figure上繪製影象，並定義這條直線顏色為紅色，線寬為1.0，線的樣式為虛線
l2, = plt.plot(x, y1, label='down', color='red', linewidth=1.0, linestyle='--')
# 座標的取值範圍
plt.xlim((-1, 2),)
plt.ylim((-2, 3))
# 座標的標籤
plt.xlabel('i am x')
plt.ylabel('i am y')
# 設定座標解析度
new_ticks = np.linspace(-1, 2, 5)
print(new_ticks)
plt.xticks(new_ticks)
# 設定座標軸上要顯示的點和對應的文字
plt.yticks([-2, -1.8, -1, -1.22, 3], [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
# 獲得現在的座標軸，並把右邊和上邊的邊去掉
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 設定座標軸起點位置 所有位置：top，bottom，both，default，none
# 第一句是把刻度數字或名稱設定在x座標軸線的底部
# 第二句是把x座標軸線設定到y軸的0刻度上
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
# 第一句是把刻度數字或名稱設定在x座標軸線的左邊
# 第二句是把x座標軸線設定到x軸的0刻度上
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
# 列印圖例
# 直接列印，請讀者自己嘗試
# plt.legend()
# 帶引數的，handles傳入線段，labels傳入圖例資訊，loc:把圖例顯示在最好的位置
plt.legend(handles=[l1, l2], labels=['aaa', 'bbb'], loc='best')
# 顯示某乙個點
x0 = 0.5
y0 = 2*x0+1
# 這個函式就是專門描述散點圖的
# 其中s代表點的大小，r代表紅色（b代表藍色）
plt.scatter(x0, y0, s=50, color='r')
# 第乙個引數和第二個引數分別是x和y的取值範圍，能夠生成一條線，『k--』代表的是黑色的虛線，lw代表線寬
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5)
# 新增注釋 有兩種方法
# method 1
# $$代表的是一種字型，xy=(x0,y0)即需要注釋的座標，xycoords基於資料的值來選注釋位置
# xytext在原本資料的基礎上x0+30，y0-30，得到注釋位置，fontsize設定字型大小，arrowprops是箭頭的設定
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
# method 2
# 第乙個引數和第二個引數代表顯示的x和y軸的位置，然後是文字、字型設定
plt.text(-1, 1, r'$this\ is\ the\ some\ text$', fontdict=)
# 顯示視窗
plt.show()
莫煩 Tensorflow 變數
理解了tensorflow必須通過session去run才能輸出值，如果不通過session，那麼只能得到變數名字和型別，加深理解了tensorflow的機制。import tensorflow as tf state tf.variable 0,name counter print state 輸...
莫煩 pytorch RNN 回歸
import torch from torch import nn import numpy as np import torchvision.datasets as dsets import torchvision.transforms as transforms import matplotli...
莫煩Tensorflow 入門
tensorflow 初步嘗試 建立資料 搭建模型 計算誤差 傳播誤差 初始會話 不斷訓練 import tensorflow as tf import numpy as np 建立資料 x data np.random.rand 100 astype np.float32 y data x dat...