往期的文章，我們介紹了TensorFlow如何添加層，如何使用激勵函數，但是我們輸出的結果都是TensorFlow訓練的誤差值，并沒有看到TensorFlow訓練的過程，還好matplotlib可以實現可視化的操作

Matplotlib

matplotlib是一個Python 2D繪圖庫，它可以在各種平臺上以各種硬拷貝格式和交互式環境生成出具有出版品質的圖形，Matplotlib試圖讓簡單的事情變得更簡單，讓無法實現的事情變得可能實現。 只需幾行代碼即可生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。為了簡單繪圖，pyplot模塊提供了類似于MATLAB的界面，特別是與IPython結合使用時。

繪制坐標圖： import numpy as np

import matplotlib.pyplot as plt

x = np.array([1,2,3,4,5,6,7,8])

y = np.array([3,15,27,6,32,61,10,15])

plt.plot(x,y,'r')#r表示線的顏色為紅色

plt.show()

繪制柱狀圖： x1 = np.array([1,2,3,4,5,6,7,8])

y1 = np.array([13,25,17,36,21,16,10,15])

plt.bar(x1,y1,0.2,alpha=1,color='b')

plt.show()

繪制函數： x = np.linspace(-1, 1,100)

y = 3*x**2-0.5

plt.plot(x, y)

plt.show()

繪制3D圖： from mpl_toolkits.mplot3d import Axes3D#需要導入3D庫

# 創建 3D 圖形對象

fig = plt.figure()

ax = Axes3D(fig)

通過以上代碼就建立了一個3D坐標軸，我們在坐標軸的基礎上添加數據：

# 生成數據

X = np.arange(-2, 2, 0.1)

Y = np.arange(-2, 2, 0.1)

# 生成網格數據

X, Y = np.meshgrid(X, Y)

Z = np.sqrt(X ** 2 + Y ** 2)

生成 X Y Z三維數據，可視化3D：

# 繪制曲面圖，并使用 cmap 著色

ax.plot_surface(X, Y, Z, cmap=plt.cm.rainbow)

plt.show()

cmap=plt.cm.rainbow#paried、gary_r、

采用matplotlib自帶的著色生成圖形，大家可以根據自己的喜好配置不同的著色方案

matplotlib還有很多不同的設置，大家可以參考官網來學習：

官網教程文檔：https://matplotlib.org/users/index.html

當然matplotlib還可以生成動態圖，小伙伴們可以自己學習

下期預告

回到我們重點介紹的TensorFlow中來，下期利用matplotlib可視化我們的TensorFlow神經網絡

謝謝大家的觀看點贊與轉發，關于分享的文章，大家有任何問題，可以在評論區一起探討學習！！！

總結

以上是生活随笔為你收集整理的人工智能状态图matlab,人工智能—TensorFlow（七）：matplotlib图形可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。