matplotlib 畫動態圖以及plt.ion()和plt.ioff()的使用
阿新 • • 發佈:2019-01-27
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()
在plt.show()之前一定不要忘了加plt.ioff(),如果不加,介面會一閃而過,並不會停留。那麼動態影象是如何畫出來的,請看下面這段程式碼,具體的解釋就不在這裡闡述了,以後有時間再更新: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