matplotlib 画动态图以及plt.ion()和plt.ioff()的使用
原文链接： https://blog.csdn.net/zbrwhut/article/details/80625702
学习python的道路是漫长的，今天又遇到一个问题，所以想写下来自己的理解方便以后查看。
在使用matplotlib的过程中，常常会需要画很多图，但是好像并不能同时展示许多图。这是因为python可视化库matplotlib的显示模式默认为阻塞（block）模式。什么是阻塞模式那？我的理解就是在plt.show()之后，程序会暂停到那儿，并不会继续执行下去。如果需要继续执行程序，就要关闭图片。那如何展示动态图或多个窗口呢？这就要使用plt.ion()这个函数，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。下面这段代码是展示两个不同的窗口：
-
import
matplotlib
.pyplot
as
plt
-
plt
.ion() # 打开交互模式
-
# 同时打开两个窗口显示图片
-
plt
.figure() #图片一
-
plt
.imshow(
i1)
-
plt
.figure() #图片二
-
plt
.imshow(
i2)
-
# 显示前关掉交互模式
-
plt
.ioff()
-
plt
.show()
-
import tensorflow
as tf
-
import numpy
as np
-
import matplotlib.pyplot
as plt
-
-
def add_layer(inputs,in_size,out_size,activation_funiction=None):
-
-
Weights = tf.Variable(tf.random_normal([in_size,out_size]))
-
biases = tf.Variable(tf.zeros([
1,out_size]) +
0.1)
-
Wx_plus_b = tf.matmul(inputs,Weights)+biases
-
if activation_funiction
is
None:
-
outputs = Wx_plus_b
-
else:
-
outputs = activation_funiction(Wx_plus_b)
-
return outputs
-
-
x_data = np.linspace(
-1,
1,
300)[:,np.newaxis]
-
noise = np.random.normal(
0,
0.05,x_data.shape)
-
y_data = np.square(x_data)
-0.5 +noise
-
-
xs = tf.placeholder(tf.float32,[
None,
1])
-
ys = tf.placeholder(tf.float32,[
None,
1])
-
-
#add hidden layer
-
l1 = add_layer(xs,
1,
10,activation_funiction=tf.nn.relu)
-
#add output layer
-
prediction = add_layer(l1,
10,
1,activation_funiction=
None)
-
-
#the error between prediction and real data
-
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[
1]))
-
train_step = tf.train.GradientDescentOptimizer(
0.1).minimize(loss)
-
-
init =tf.initialize_all_variables()
-
-
with tf.Session()
as sess:
-
sess.run(init)
-
-
fig = plt.figure()
-
ax = fig.add_subplot(
1,
1,
1)
-
ax.scatter(x_data,y_data)
-
plt.ion()
#将画图模式改为交互模式
-
-
for i
in range(
1000):
-
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
-
if i%
50 ==
0:
-
plt.pause(
0.1)
-
try:
-
ax.lines.remove(lines[
0])
-
except Exception:
-
pass
-
prediction_value = sess.run(prediction,feed_dict={xs:x_data})
-
lines = ax.plot(x_data,prediction_value,
'r-',lw=
5)
-
-
-
print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))
-
-
plt.ioff()
-
plt.show()
上面这段代码执行之后就会看到一条曲线在动态的拟合数据，直到训练结束。
下面就来讲讲matplotlib这两种模式具体的区别
在交互模式下：
1、plt.plot(x)或plt.imshow(x)是直接出图像，不需要plt.show()
2、如果在脚本中使用ion()命令开启了交互模式，没有使用ioff()关闭的话，则图像会一闪而过，并不会常留。要想防止这种情况，需要在plt.show()之前加上ioff()命令。
在阻塞模式下：
1、打开一个窗口以后必须关掉才能打开下一个新的窗口。这种情况下，默认是不能像Matlab一样同时开很多窗口进行对比的。
2、plt.plot(x)或plt.imshow(x)是直接出图像，需要plt.show()后才能显示图像