[PYTHON] Installieren Sie matplotlib und zeigen Sie das Diagramm in Jupyter Notebook an
Ich möchte die Daten mit Jupyter Notebook leicht verständlich sehen
Ich habe TensorFlow gelernt und die API untersucht, aber ich dachte, es wäre praktisch, wenn ich sie in einem Diagramm sehen könnte, also habe ich versucht, matplotlib zu verwenden. Es ist eine Installationsmethode und ein einfaches Verwendungsprotokoll.
Unten finden Sie Links zu Artikeln, die sich auf die aktuelle Umgebung und TensorFlow beziehen.
- TensorFlow unter Windows Easy für Python-Anfänger installieren
- [Erklärung für Anfänger] Grundlegende Syntax und Konzept von TensorFlow
- [Erklärung für Anfänger] TensorFlow-Tutorial MNIST (für Anfänger)
- TensorFlow Tutorial MNIST (für Anfänger) mit TensorBoard visualisiert
- TensorFlow API-Memo
- [Einführung in TensorBoard] Visualisieren Sie die TensorFlow-Verarbeitung, um das Verständnis zu vertiefen
Installieren Sie matplotlib mit pip von Anaconda
1. Starten Sie das Terminal von Anaconda Navigator aus
Starten Sie Anaconda Navigator über das Windows-Menü. Wählen Sie im Menü Umgebung aus, wählen Sie die virtuelle Umgebung aus und starten Sie das Terminal mit "Terminal öffnen".
2. Installieren Sie matplotlib mit pip
Einfach mit pip installieren.
pip install matplotlib
Versuchen Sie es mit matplotlib
Probieren Sie den Inhalt von Wikipedia so aus, wie er ist.
Liniendiagramm
import matplotlib.pyplot as plt
import numpy as np
a = np.linspace(0,10,100)
b = np.exp(-a)
plt.plot(a,b)
plt.show()
Histogramm
import matplotlib.pyplot as plt
from numpy.random import normal,rand
x = normal(size=200)
plt.hist(x,bins=30)
plt.show()
Streudiagramm
import matplotlib.pyplot as plt
from numpy.random import rand
a = rand(100)
b = rand(100)
plt.scatter(a,b)
plt.show()
3D-Grafik
tolle···
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.gca(projection='3d')
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm)
plt.show()
Überprüfen Sie die TensorFlow-API
Die ursprüngliche Motivation für die Verwendung von Matplotlib war die Bestätigung der TensorFlow-API. Als Bonus überprüfe ich die Funktionalität von TensorFlows API truncated_normal wie folgt.
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
x = sess.run(tf.truncated_normal([30000], stddev=0.1))
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.hist(x, bins=100)
ax.set_title('Histogram tf.truncated_normal')
ax.set_xlabel('x')
ax.set_ylabel('y')
plt.show()
