【tensorflow入門】9、結果可視化

1、安裝matplotlib  [Python中畫圖的工具包] ，否則會報錯。

Python庫導入錯誤：ImportError: No module named matplotlib.pyplot

   補救：

2、在上一篇代碼的基礎上添加可視化代碼。 

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt  #Python中畫圖的工具包

#添加神經層的函數
def add_layer(inputs,in_size,out_size,activation_function=None):
    Weights = tf.Variable(tf.random_normal([in_size,out_size]))   #二維
    biases = tf.Variable(tf.zeros([1,out_size])) + 0.1  #1維
    
    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

x_data = np.linspace(-1,1,300)[:,np.newaxis]  #300行1列
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data) -0.5 + noise 

xs = tf.placeholder(tf.float32,[None,1])
ys = tf.placeholder(tf.float32,[None,1])

l1 = add_layer(xs,1,10,activation_function=tf.nn.relu)
prediction = add_layer(l1,10,1,activation_function=None)

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

init = tf.global_variables_initializer()

sess = tf.Session()
sess.run(init)


# fig = plt.figure()  #首先生成一個圖片框
# ax = fig.add_subplot(1,1,1)  #要做一個連續性的plot畫圖需要用這個 #（1,1,1）：編號
# ax.scatter(x_data,y_data)    #畫散點圖   #用點的形式plot上來

# #plt.ion()   #讓程序plot後不暫停
# #plt.show()  #打印  真實數據 打印完整個程序暫停了

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data,y_data)
plt.ion()
plt.show()



for i in range(1000):
    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
    if i %50 == 0:
        try:
            ax.lines.remove(lines[0])
        except Exception:
            pass
        prediction_value = sess.run(prediction,feed_dict={xs:x_data})
        lines = ax.plot(x_data,prediction_value,'r-',lw=5)
        
        plt.pause(0.1)
        
        
#    if i %50 == 0:
        #print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))  
        
#         try:
#             ax.lines.remove(lines[0])  #抹去lines的第一條線段 （本來就一條，所以就是這條）
        
#         except Exception:
#             pass  #什麼都不做
        
#         prediction_value = sess.run(prediction,feed_dict={xs:x_data})
#         lines = ax.plot(x_data,prediction_value,'r-',lw=5)   #用曲線形式，把prediction的值plot上去  紅線，線寬爲5
#         #如果想連續plot的話，plot出的每條線要先抹去，再plot另外一條線。否則就是疊加。
        
#         plt.pause(0.1)   #暫停0.1秒   
        
       

效果：動態的，這裏僅爲截圖

前提：Python版本需要>3.5，否則應當去掉 plt.ion()，並將plt.show()改爲plt.show(block=False)。否則畫完散點圖後程序暫停，無法繼續出現折線圖。

3、思路：

1、導入matplotlib包

2、真實數據用散點圖表示。(x_data,y_data)

3、預測數據用折線圖表示。(x_data,prediction_value)

注意：prediction是個op，prediction_value是個value

4、折線效果每0.1秒擦除並重新畫。

 

4、踩坑：

我使用jupyter編寫和運行python代碼，jupyter默認對動態圖無法顯示，只能顯示靜態效果。

我百度到的各種方法均效果不佳，最終將代碼粘貼在cmd命令行上，才能通過彈窗實現動態效果。

 

ps：

想換個寫python的軟件了，畢竟後面要寫大數據層次的深度學習，怕jupyter帶不起來。

大家有沒有好用的軟件推薦一下呀（づ￣3￣）づ╭❤～