李沐:
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
if __name__ == '__main__':
train_loss = 5
val_loss = 5
train_acc = 0.0
val_acc = 0.0
x = []
train_loss_list = []
val_loss_list = []
train_acc_list = []
val_acc_list = []
for epoch in range(200):
# 生成数据,此处应根据实际训练过程获取训练集loss和acc
# 以及验证集loss和acc
train_loss -= epoch * 0.1
val_loss -= epoch * 0.11
train_acc += epoch*0.01
val_acc += epoch*0.011
x.append(epoch)
train_loss_list.append(train_loss)
val_loss_list.append(val_loss)
train_acc_list.append(train_acc)
val_acc_list.append(val_acc)
plt.figure(figsize=(3, 6), dpi=100)
# 创建两行一列的图,并指定当前使用第一个图
plt.subplot(2, 1, 1)
try:
train_loss_lines.remove(train_loss_lines[0]) # 移除上一步曲线
val_loss_lines.remove(val_loss_lines[0])
except Exception:
pass
train_loss_lines = plt.plot(x, train_loss_list, 'r', lw=1) # lw为曲线宽度
val_loss_lines = plt.plot(x, val_loss_list, 'b', lw=1)
plt.title("loss")
plt.xlabel("epoch")
plt.ylabel("loss")
plt.legend(["train_loss",
"val_loss"])
# # 创建两行一列的图,并指定当前使用第二个图
plt.subplot(2, 1, 2)
try:
train_acc_lines.remove(train_acc_lines[0]) # 移除上一步曲线
val_acc_lines.remove(val_acc_lines[0])
except Exception:
pass
train_acc_lines = plt.plot(x, train_acc_list, 'r', lw=1) # lw为曲线宽度
val_acc_lines = plt.plot(x, val_acc_list, 'b', lw=1)
plt.title("acc")
plt.xlabel("epoch")
plt.ylabel("acc")
plt.legend(["train_acc",
"val_acc"])
plt.show()
plt.pause(0.1) # 图片停留0.1s
Loss_list = []
Accuracy_list = []
Loss_list.append(train_loss / (len(train_dataset)))
Accuracy_list.append(100 * train_acc / (len(train_dataset)))
#我这里迭代了200次,所以x的取值范围为(0,200),然后再将每次相对应的准确率以及损失率附在x上
x1 = range(0, 200)
x2 = range(0, 200)
y1 = Accuracy_list
y2 = Loss_list
plt.subplot(2, 1, 1)
plt.plot(x1, y1, ‘o-’)
plt.title(‘Test accuracy vs. epoches’)
plt.ylabel(‘Test accuracy’)
plt.subplot(2, 1, 2)
plt.plot(x2, y2, ‘.-’)
plt.xlabel(‘Test loss vs. epoches’)
plt.ylabel(‘Test loss’)
plt.show()
plt.savefig(“accuracy_loss.jpg”)
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
if __name__ == '__main__':
train_loss = 5
val_loss = 5
train_acc = 0.0
val_acc = 0.0
x = []
train_loss_list = []
val_loss_list = []
train_acc_list = []
val_acc_list = []
for epoch in range(200):
# 生成数据,此处应根据实际训练过程获取训练集loss和acc
# 以及验证集loss和acc
train_loss -= epoch * 0.1
val_loss -= epoch * 0.11
train_acc += epoch*0.01
val_acc += epoch*0.011
x.append(epoch)
train_loss_list.append(train_loss)
val_loss_list.append(val_loss)
train_acc_list.append(train_acc)
val_acc_list.append(val_acc)
plt.figure(figsize=(3, 6), dpi=100)
# 创建两行一列的图,并指定当前使用第一个图
plt.subplot(2, 1, 1)
try:
train_loss_lines.remove(train_loss_lines[0]) # 移除上一步曲线
val_loss_lines.remove(val_loss_lines[0])
except Exception:
pass
train_loss_lines = plt.plot(x, train_loss_list, 'r', lw=1) # lw为曲线宽度
val_loss_lines = plt.plot(x, val_loss_list, 'b', lw=1)
plt.title("loss")
plt.xlabel("epoch")
plt.ylabel("loss")
plt.legend(["train_loss",
"val_loss"])
# # 创建两行一列的图,并指定当前使用第二个图
plt.subplot(2, 1, 2)
try:
train_acc_lines.remove(train_acc_lines[0]) # 移除上一步曲线
val_acc_lines.remove(val_acc_lines[0])
except Exception:
pass
train_acc_lines = plt.plot(x, train_acc_list, 'r', lw=1) # lw为曲线宽度
val_acc_lines = plt.plot(x, val_acc_list, 'b', lw=1)
plt.title("acc")
plt.xlabel("epoch")
plt.ylabel("acc")
plt.legend(["train_acc",
"val_acc"])
plt.show()
plt.pause(0.1) # 图片停留0.1s
#首先定义了横坐标和总坐标数组
x = []#用于存放横坐标
t_loss = []#用于存放train_loss
v_loss = []#用于存放train_loss
###################
#在此之前需先在迭代中计算出两个loss
#####################################
x.append(epoch * iter + i) #此步为更新迭代步数
t_loss.append(train_loss)
v_loss.append(val_loss)
try:
train_loss_lines.remove(train_loss_lines[0]) #移除上一步曲线
val_loss_lines.remove(val_loss_lines[0])
except Exception:
pass
train_loss_lines = plt.plot(x, t_loss, 'r', lw=5)#lw为曲线宽度
val_loss_lines = plt.plot(x, v_loss, 'b', lw=5)
plt.title("loss")
plt.xlabel("steps")
plt.ylabel("loss")
plt.legend(["train_loss",
"val_loss"])
plt.pause(0.1) #图片停留0.1s
import numpy as np
import matplotlib.pyplot as plt
#创建自变量数组
x= np.linspace(0,2*np.pi,500)
#创建函数值数组
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
#创建图形
plt.figure(1)
#第一行第一列图形
ax1 = plt.subplot(2,2,1)
#第一行第二列图形
ax2 = plt.subplot(2,2,2)
#第二行
ax3 = plt.subplot(2,1,2)
#选择ax1
plt.sca(ax1)
plt.plot(x,y1,'r-.')
plt.ylim(-1.5,1.5) #限定y axis
#选择ax2
plt.sca(ax2)
plt.plot(x,y2,'g--')
plt.ylim(-1.5,1.5)
#选择ax3
plt.sca(ax3)
plt.plot(x,y3,'b--')
plt.ylim(-1.5,1.5)
plt.savefig('.//result//3.6.png')
plt.show()
2.多个函数绘制于一张图
plt.legend() 表示图例
plt.legend(loc=' best')
其中,loc的选择有
center upper center best lower center lower right lower left
upper right right upper left center left center right
在设置图例之前,需要在plt.plot()中设置label
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,2*np.pi,500)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.cos(x)-1
plt.plot(x,y1,color = 'r',label = 'sinx') #label每个plot指定一个字符串标签
plt.plot(x,y2,'-.', color = 'b', label = 'cosx')
plt.plot(x,y3,'--', color = 'g', label = 'cosx-1')
plt.legend(loc=' best')
plt.savefig('.//result//3.7.png')
plt.show()
————————————————
版权声明:本文为CSDN博主「JingWang111」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/haikuotiankong7/article/details/90551841