【学习】深度学习代码各个步骤都是为了啥（三）

​
​

活动地址：CSDN21天学习挑战赛

学习日记

这里继续看一下代码中各个阶段代码都是啥意思，当我们训练好魔性，要进行结果可视化，其实可视化就是通过loss图来看训练的模型效果怎么样。

结果可视化

可视化一般来说就是通过各种各样的图片来展现效果。

为什么要进行可视化？

因为人是视觉动物，对于图像的敏感度要比对纯数字的敏感度高的多。

人类对图像的处理速度比文本快6万倍，同时人类右脑记忆图像的速度比左脑记忆抽象文字快100万倍。数据可视化正是利用人类天生技能来增强数据处理和组织效率。

1. 绘制loss图

plt.plot(history.history['loss']    , label='Training Loss')
plt.plot(history.history['val_loss'], label='Validation Loss')
plt.title('Training and Validation Loss by K同学啊')
# 使用plt.legend( )使上述代码产生效果
plt.legend() 
plt.show() #显示

plt.plot(x, y, ls=“-”, lw=2, label=“plot figure”)

x: x轴上的数值

y: y轴上的数值

ls：折线图的线条风格

lw：折线图的线条宽度

label：标记图内容的标签文本

2. 预测

predicted_stock_price = model.predict(x_test)                       # 测试集输入模型进行预测，X_test：为即将要预测的测试集
predicted_stock_price = sc.inverse_transform(predicted_stock_price) # 对预测数据还原---从（0，1）反归一化到原始范围
real_stock_price = sc.inverse_transform(test_set[60:])              # 对真实数据还原---从（0，1）反归一化到原始范围

# 画出真实数据和预测数据的对比曲线
plt.plot(real_stock_price, color='red', label='Stock Price')
plt.plot(predicted_stock_price, color='blue', label='Predicted Stock Price')
plt.title('Stock Price Prediction by K同学啊')
plt.xlabel('Time')
plt.ylabel('Stock Price')
plt.legend()
plt.show()

scaler.inverse_transform(X_scaled)是将标准化后的数据转换为原始数据。

3. 评估

一个深度学习模型在各类任务中的表现都需要定量的指标进行评估，才能够进行横向的对比比较，包含了分类、回归、质量评估、生成模型中常用的指标。

也就是说，当我们训练好模型，要评估效果，所以每个例子中都会有评估的代码，评估的方式有多种多样，评估的模型也有很多种，这个下次再说。
…

​