學習python的道路是漫長的，今天又遇到一個問題，所以想寫下來自己的理解方便以後檢視。

在使用matplotlib的過程中，常常會需要畫很多圖，但是好像並不能同時展示許多圖。這是因為python視覺化庫matplotlib的顯示模式預設為阻塞（block）模式。什麼是阻塞模式那？我的理解就是在plt.show()之後，程式會暫停到那兒，並不會繼續執行下去。如果需要繼續執行程式，就要關閉圖片。那如何展示動態圖或多個視窗呢？這就要使用plt.ion()這個函式，使matplotlib的顯示模式轉換為互動（interactive）模式。即使在指令碼中遇到plt.show()，程式碼還是會繼續執行。下面這段程式碼是展示兩個不同的視窗：

    import matplotlib.pyplot as plt
    plt.ion()    # 開啟互動模式
    # 同時開啟兩個視窗顯示圖片
    plt.figure()  #圖片一
    plt.imshow(i1)
    plt.figure()    #圖片二
    plt.imshow(i2)
    # 顯示前關掉互動模式
    plt.ioff()
    plt.show()

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

def add_layer(inputs,in_size,out_size,activation_funiction=None):

    Weights = tf.Variable(tf.random_normal([in_size,out_size]))
    biases = tf.Variable(tf.zeros([1,out_size]) +0.1)
    Wx_plus_b = tf.matmul(inputs,Weights)+biases
    if activation_funiction is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_funiction(Wx_plus_b)
    return outputs

x_data = np.linspace(-1,1,300)[:,np.newaxis]
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])

#add hidden layer
l1 = add_layer(xs,1,10,activation_funiction=tf.nn.relu)
#add output layer
prediction = add_layer(l1,10,1,activation_funiction=None)

#the error between prediction and real data
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.initialize_all_variables()

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

    fig = plt.figure()
    ax = fig.add_subplot(1,1,1)
    ax.scatter(x_data,y_data)
    plt.ion()   #將畫圖模式改為互動模式
 


    for i in range(1000):
        sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
        if i%50 ==0:
            plt.pause(0.1)
            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)


            print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))

    plt.ioff()
    plt.show()

上面這段程式碼執行之後就會看到一條曲線在動態的擬合數據，直到訓練結束。

下面就來講講matplotlib這兩種模式具體的區別

在互動模式下：

1、plt.plot(x)或plt.imshow(x)是直接出影象，不需要plt.show()

2、如果在指令碼中使用ion()命令開啟了互動模式，沒有使用ioff()關閉的話，則影象會一閃而過，並不會常留。要想防止這種情況，需要在plt.show()之前加上ioff()命令。

在阻塞模式下：

1、開啟一個視窗以後必須關掉才能開啟下一個新的視窗。這種情況下，預設是不能像Matlab一樣同時開很多視窗進行對比的。

2、plt.plot(x)或plt.imshow(x)是直接出影象，需要plt.show()後才能顯示影象