防止matplotlib画完图后自动关闭NN

最新推荐文章于 2024-07-14 08:30:15 发布

转载最新推荐文章于 2024-07-14 08:30:15 发布 · 2.3k 阅读

文章标签：

#python

Python 专栏收录该内容

87 篇文章

订阅专栏

博客介绍在Python中防止matplotlib画完图后自动关闭图像窗口的方法，即在代码尾部加pyplot.pause(0)。还给出示例代码，涉及TensorFlow构建神经网络，包括定义层、数据形式、建立网络、预测和训练等步骤，同时用matplotlib进行可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.youkuaiyun.com/oMoDao1/article/details/81222465

为防止matplotlib画完图后自动关闭图像窗口，可以在代码的尾部加上 pyplot.pause(0)

例：

    import tensorflow as tf
    import numpy as np
    import matplotlib.pylab as plt
    def add_layer(inputs,in_size,out_size,activation_function=None):
        #Weights是一个矩阵，[行，列]为[in_size,out_size]
        Weights=tf.Variable(tf.random_normal([in_size,out_size]))#正态分布
        #初始值推荐不为0，所以加上0.1，一行，out_size列
        biases=tf.Variable(tf.zeros([1,out_size])+0.1)
        #Weights*x+b的初始化的值，也就是未激活的值
        Wx_plus_b=tf.matmul(inputs,Weights)+biases

        #激活

        if activation_function is None:
            #激活函数为None，也就是线性函数
            outputs=Wx_plus_b
        else:
            outputs=activation_function(Wx_plus_b)
        return outputs

    """定义数据形式"""
    # (-1,1)之间，有300个单位，后面的是维度，x_data是有300行（300个例子）
    x_data=np.linspace(-1,1,300)[:,np.newaxis]
    # 加噪声,均值为0，方差为0.05，大小和x_data一样
    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])

    """建立网络"""
    #定义隐藏层，输入1个节点，输出10个节点
    l1=add_layer(xs,1,10,activation_function=tf.nn.relu)
    #定义输出层
    prediction=add_layer(l1,10,1,activation_function=None)

    """预测"""
    #损失函数,算出的是每个例子的平方，要求和（reduction_indices=[1]，按行求和）,再求均值
    loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))

    """训练"""
    #优化算法,minimize(loss)以0.1的学习率对loss进行减小
    train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)

    init=tf.global_variables_initializer()

    with tf.Session() as sess:
        sess.run(init)

        fig=plt.figure()
        #连续性的画图
        ax=fig.add_subplot(1,1,1)
        ax.scatter(x_data,y_data)
        # 不暂停
        plt.ion()
        # plt.show()绘制一次就会暂停
        # plt.show() #也可以用plt.show(block=False)来取消暂停，但是python3.5以后提供了ion的功能，更方便
        for i in range(1000):
            sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
            if i%50==0:
                # print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))
                #尝试先抹除，后绘制第二条线
                #第一次没有线，会报错，try就会忽略错误，然后紧接着执行下面的步骤
                try:
                    # 画出一条后抹除掉,去除第一个线段，但是只有一个，也就是抹除当前的线段
                    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) #lw线宽

                # 暂停0.1s
                plt.pause(0.1)
        plt.pause(0)