我想使用Jupyter Notebook以一种易于理解的方式查看数据
我正在学习TensorFlow并正在研究API，但是我认为如果可以在图形中看到它将会很方便，因此我尝试使用matplotlib。
它是一种安装方法和简单的使用说明。
以下是与当前环境和TensorFlow相关的文章的链接。
- 适用于Python初学者的Windows Easy上安装TensorFlow
- [初学者说明] TensorFlow基本语法和概念
- [初学者说明] TensorFlow教程MNIST(面向初学者)
- 使用TensorBoard可视化TensorFlow教程MNIST(面向初学者)
- TensorFlow API备忘
- [TensorBoard简介]可视化TensorFlow处理以加深理解
使用Anaconda的pip安装matplotlib
1.从Anaconda Navigator
启动终端
从Windows菜单中启动Anaconda Navigator。从菜单中选择环境，选择虚拟环境，然后通过"打开终端"启动终端。
2.使用pip
安装matplotlib
只需安装
pip。
1 | pip install matplotlib |
试试matplotlib
按原样尝试Wikipedia的内容。
线图
1 2 3 4 5 6 | 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() |
直方图
1 2 3 4 5 | import matplotlib.pyplot as plt from numpy.random import normal,rand x = normal(size=200) plt.hist(x,bins=30) plt.show() |
散点图
1 2 3 4 5 6 | import matplotlib.pyplot as plt from numpy.random import rand a = rand(100) b = rand(100) plt.scatter(a,b) plt.show() |
3D图形
很好???
1 2 3 4 5 6 7 8 9 10 11 12 13 | 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() |
检查TensorFlow API
使用matplotlib的原始动机是TensorFlow API确认。另外，我正在像这样检查TensorFlow API truncated_normal的功能。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | 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() |
