Tensorflow2.0实现结果可视化plot result
import tensorflow._api.v2.compat.v1 as tf
import numpy as np
import matplotlib.pyplot as plt
tf.disable_v2_behavior()
import os#是在python环境下对文件,文件夹执行操作的一个模块。
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
#定义一个神经层
def add_layer(inputs,in_size,out_size,activatioin_function=None):
Weights = tf.Variable(tf.random_normal([in_size,out_size])) #normal distribution是正态分布随机数
biases = tf.Variable(tf.zeros([1,out_size]) + 0.1) #建议biases不为0,所以加上0.1
Wx_plus_b = tf.matmul(inputs,Weights) + biases
#inputs的大小是1*in_size,Weight的大小是in_size*out_size,相乘后大小是1*out_size的行向量
if activatioin_function is None:
outputs = Wx_plus_b
else:
outputs = activatioin_function(Wx_plus_b)
return outputs
#生成原始数据
x_data = np.linspace(-1,1,300)[:,np.newaxis].astype('float32')
#在-1到1之间生成300个数的等差数列。
#[:,np.newaxis]加一个维度,使其变成300行,1列的矩阵,
#astype('float32')作为类型转换
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data) - 0.5 + noise
#define placeholder for inputs to network
xs = tf.placeholder(tf.float32,[None,1])#None代表行和列不固定,1代表只有1列
ys = tf.placeholder(tf.float32,[None,1])
#add hidden layer and output layer
l1 = add_layer(xs,1,10,activatioin_function=tf.nn.relu) #输入层一个神经元,隐藏层10个神经元
prediction = add_layer(l1,10,1,activatioin_function=None)#输出层1个神经元
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
#reduction_indices=[1]是对行方向压缩,按行求和;=[0]是对列方向压缩,按列求和
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)#0.1是学习率
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
#结果可视化
fig = plt.figure()#生成一个图片框
ax = fig.add_subplot(1,1,1) #连续性的画图需要用ax,一行一列第一个
ax.scatter(x_data,y_data)#以点的形式画出原始数据
plt.ion() #展示动态图或多个窗口,使matplotlib的显示模式转换为交互(interactive)模式。即使在脚本中遇到plt.show(),代码还是会继续执行。
plt.show()
for i in range(1000):
#training
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})#用placeholder,就需要用feed_dict来定义所用到的餐宿
if i % 50==0 :
#to see the step improvement
# print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))
try:
ax.lines.remove(lines[0]) # 去除掉lines的第一条
except Exception:
pass
prediction_value = sess.run(prediction,feed_dict={xs: x_data})
lines = ax.plot(x_data,prediction_value,'r-',lw=5)#红色的线,线的宽度为5
plt.pause(0.1)
plt.pause(0)#让图片停住不要跑
结果如图