【python】matplotlib动态显示详解

1.matplotlib动态绘图

python在绘图的时候，需要开启 interactive mode。核心代码如下：

    plt.ion(); #开启interactive mode 成功的关键函数
      fig = plt.figure(1);
      
      for i in range(100):
        filepath="E:/Model/weights-improvement-" + str(i + 1) + ".hdf5";
        model.load_weights(filepath);
        #测试数据
        x_new = np.linspace(low, up, 1000);
        y_new = getfit(model,x_new);
        # 显示数据
        plt.clf();
        plt.plot(x,y); 
        plt.scatter(x_sample, y_sample);
        plt.plot(x_new,y_new);
        
        ffpath = "E:/imgs/" + str(i) + ".jpg";
        plt.savefig(ffpath);
     
        plt.pause(0.01)       # 暂停0.01秒
        
      ani = animation.FuncAnimation(plt.figure(2), update,range(100),init_func=init, interval=500);
      ani.save("E:/test.gif",writer='pillow');
      
      plt.ioff()         # 关闭交互模式
    

2.实例

已知下面采样自Sin函数的数据：

x	y
1	0.093
2	0.58
3	1.04
4	1.55
5	2.15
6	2.62
7	2.71
8	2.73
9	3.03
10	3.14
11	3.58
12	3.66
13	3.81
14	3.83
15	4.39
16	4.44
17	4.6
18	5.39
19	5.54
20	5.76

通过一个简单的三层神经网络训练一个Sin函数的拟合器，并可视化模型训练过程的拟合曲线。

2.1 网络训练实现

主要做的事情是定义一个三层的神经网络，输入层节点数为1，隐藏层节点数为10，输出层节点数为1。

    import math;
    import random;
    from matplotlib import pyplot as plt
    from keras.models import Sequential
    from keras.layers.core import Dense
    from keras.optimizers import Adam
    import numpy as np
    from keras.callbacks import ModelCheckpoint
    import os
     
     
    #采样函数
    def sample(low, up, num):
      data = [];
      for i in range(num):
        #采样
        tmp = random.uniform(low, up);
        data.append(tmp);
      data.sort();
      return data;
     
    #sin函数
    def func