matplotlib范围曲线简例

本文展示了如何使用Python的matplotlib库在绘制损失曲线时,同时表示每个epoch的平均loss以及其方差。作者通过`fill_between`函数创建了浅色区域来表示方差,提供了详细的代码示例和颜色配置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

想在画(平均)loss 曲线时顺便表示方差,即每一个 epoch 的平均 loss 用 plot 画曲线,而在曲线周围用一个浅色区域表示方差。效果:
loss-curve.png

参考 [1-3],用到 matplotlib.pyplot.fill_between 函数。为显示对浅色区及其边界的样式控制,这里用了花里胡哨的配色。

import math
import numpy as np
import matplotlib.pyplot as plt

# 造两个 loss
loss1, loss2 = [], []
for epoch in range(1, 20):
    loss1.append(1 / epoch + np.random.randn(100) * 0.1)
    loss2.append(math.exp(-epoch) + np.random.randn(100) * 0.1)

# 纵轴:loss 均值、方差
loss1 = np.asarray(loss1)
mu1 = np.mean(loss1, axis=1)
sigma1 = np.std(loss1, axis=1)

loss2 = np.asarray(loss2)
mu2 = np.mean(loss2, axis=1)
sigma2 = np.std(loss2, axis=1)

# 横轴:epoch
epochs = list(range(loss1.shape[0]))


fig = plt.figure()
# 均值:用 plot 画
plt.plot(epochs, mu1, label="loss1", linewidth=2, marker='s', c='r') # 红
plt.plot(epochs, mu2, label="loss2", linewidth=2, marker='+', c='b') # 蓝

# 方差:浅色区,用 fill_between
plt.fill_between(
    epochs,         # x
    mu1 + sigma1,   # y upper
    mu1 - sigma1,   # y lower
    color='g',      # 绿,color = edgecolor + facecolor
    linewidth=2,    # 浅色区边界粗细
    alpha=0.2       # 浅色区能见度
)
plt.fill_between(
    epochs,
    mu2 + sigma2,
    mu2 - sigma2,
    edgecolor='none',   # 不要边界
    facecolor='orange', # 橙
    linewidth=2,
    alpha=0.2
)

plt.title("loss curve")
plt.xticks(epochs, list(map(str, epochs)))		# 设横轴标
plt.xlabel("epoch")
plt.ylabel("loss")
plt.legend(fancybox=True, framealpha=0)			# 透明图例
fig.savefig("loss-curve.png", transparent=True)	# 透明背景

References

  1. Filling range of graph in matplotlib
  2. 使用matplotlib绘制范围波动曲线图
  3. python绘制浅色范围曲线
  4. How to export plots from matplotlib with transparent background?
  5. Transparent, fancy legends
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值